Estimer l'adversité aux recommendations

De nombreux agents intelligents, tels que les assistants, les enseignants artificiels et les systèmes de recommandation, fournissent des suggestions aux utilisateurs. Souvent, ces suggestions peuvent être inexactes ou non pertinentes, ce qui peut conduire les utilisateurs à devenir défavorables aux suggestions de l'agent, et globalement à une faible acceptabilité de ces systèmes. Une idée pour créer des agents plus acceptables est qu'ils prennent activement en compte et surveillent l'adversité des utilisateurs aux suggestions (c'est à dire à quel point ceux-ci sont hostiles au système)
Cependant, on sait peu de choses quantitativement sur l'adversité des utilisateurs, ce qui rend cette approche actuellement irréalisable.
L'objectif de ce projet est précisément de combler cette lacune, en implémentant un logiciel pour réaliser une expérience contrôlée, sensée évaluer comment l'adversité aux mauvaises recommendations évolue au cours du temps. Il est à noter que ce projet peut se poursuivre en stage dans l'été.