Construyendo un Dietista Virtual Persuasivo
Autores: Anselma, Luca; Mazzei, Alessandro
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Construyendo un Dietista Virtual Persuasivo
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Aplicación multimedia
Gestión de dietas
Razonador numérico
Generación de lenguaje natural
Restricciones dietéticas
Mensajes textuales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este documento describe la Aplicación Multimedia para la Gestión de Dietas (MADiMan), un sistema que apoya a los usuarios en la gestión de sus dietas mientras admite transgresiones dietéticas. MADiMan consiste en un razonador numérico que tiene en cuenta las restricciones dietéticas de los usuarios y adapta automáticamente la dieta de los usuarios, y en un sistema de generación de lenguaje natural (NLG) que crea automáticamente mensajes textuales para explicar los resultados proporcionados por el razonador con el objetivo de persuadir a los usuarios para que se adhieran a una dieta saludable. En la primera parte del documento, presentamos el sistema MADiMan y, en particular, los mecanismos básicos relacionados con el razonamiento, la interpretación de datos y la selección de contenido para un sistema NLG de datos numéricos a texto. También discutimos una serie de factores que influyen en el diseño de los mensajes textuales producidos. En particular, describimos en detalle el diseño del procedimiento de agregación de oraciones, que determina la compacidad del mensaje final aplicando dos estrategias de agregación. En la segunda parte del documento, presentamos la aplicación que desarrollamos, CheckYourMeal!, y los resultados de dos evaluaciones cuantitativas basadas en humanos del módulo NLG realizadas utilizando CheckYourMeal! en una simulación. La primera evaluación, realizada con veinte usuarios, determinó tanto la utilidad percibida de los gráficos/texto como el atractivo, la facilidad y la persuasión de los mensajes textuales. La segunda evaluación, realizada con treinta y nueve usuarios, determinó su poder persuasivo. Las evaluaciones se basaron en el análisis de cuestionarios y de datos registrados del comportamiento de los usuarios. Ambas evaluaciones mostraron resultados significativos.
Descripción
Este documento describe la Aplicación Multimedia para la Gestión de Dietas (MADiMan), un sistema que apoya a los usuarios en la gestión de sus dietas mientras admite transgresiones dietéticas. MADiMan consiste en un razonador numérico que tiene en cuenta las restricciones dietéticas de los usuarios y adapta automáticamente la dieta de los usuarios, y en un sistema de generación de lenguaje natural (NLG) que crea automáticamente mensajes textuales para explicar los resultados proporcionados por el razonador con el objetivo de persuadir a los usuarios para que se adhieran a una dieta saludable. En la primera parte del documento, presentamos el sistema MADiMan y, en particular, los mecanismos básicos relacionados con el razonamiento, la interpretación de datos y la selección de contenido para un sistema NLG de datos numéricos a texto. También discutimos una serie de factores que influyen en el diseño de los mensajes textuales producidos. En particular, describimos en detalle el diseño del procedimiento de agregación de oraciones, que determina la compacidad del mensaje final aplicando dos estrategias de agregación. En la segunda parte del documento, presentamos la aplicación que desarrollamos, CheckYourMeal!, y los resultados de dos evaluaciones cuantitativas basadas en humanos del módulo NLG realizadas utilizando CheckYourMeal! en una simulación. La primera evaluación, realizada con veinte usuarios, determinó tanto la utilidad percibida de los gráficos/texto como el atractivo, la facilidad y la persuasión de los mensajes textuales. La segunda evaluación, realizada con treinta y nueve usuarios, determinó su poder persuasivo. Las evaluaciones se basaron en el análisis de cuestionarios y de datos registrados del comportamiento de los usuarios. Ambas evaluaciones mostraron resultados significativos.