A survey on the impact of AI-based recommenders on human behaviours: methodologies, outcomes and future directions

推荐系统和助手（简称推荐器）在在线平台中无处不在，影响着我们日常生活中的大多数行为，根据用户的偏好或请求建议项目或提供解决方案。本文分析了推荐器在四个人工智能生态系统中的影响：社交媒体、在线零售、城市地图和生成式人工智能生态系统。其范围是系统化一个快速增长的领域，在这个领域中用于分类方法和结果的术语是分散和不系统的。我们遵循定性系统回顾的惯例步骤，收集了来自不同学科的144篇文章，以开发一个简明的分类法：采用的方法（实证、模拟、观察、控制）、观察到的结果（集中、模型崩溃、多样性、回声室、过滤泡沫、不平等、极化、激进化、数量）以及它们的分析水平（个人、项目、模型和系统）。我们系统地讨论了我们调查的所有发现，在实质和方法上进行了强调，并突出了未来研究的潜在途径。本研究面向对不同人工智能生态系统感兴趣的学者和实践者、希望更好地了解推荐器可衡量结果的决策者和机构利益相关者，以及希望获得其推荐器影响系统化视图的技术公司。

系统化分析推荐系统在社交媒体、在线零售、城市地图和生成AI生态系统中的影响，总结相关术语和方法，为未来研究提供参考。

通过对144篇文章的分析，提出了一个简洁的分类法，包括方法（经验、模拟、观察、控制）、观察结果（集中、模型崩溃、多样性、回声室、过滤泡沫、不平等、极化、激进化、数量）和分析层面（个体、项目、模型和系统）。这篇论文提供了一种系统的方法，可以帮助学者、从业者、政策制定者和机构利益相关者更好地理解推荐系统的影响。

这篇论文系统地总结了推荐系统的影响，从不同层面和角度分析了其对社交媒体、在线零售、城市地图和生成AI生态系统的影响。此外，还提供了一个简洁的分类法，可以帮助未来的研究更好地理解和研究推荐系统的影响。

在这个领域，最近还有一些相关的研究，例如：“Recommendation Systems in Software Engineering: A Systematic Mapping Study”和“Recommender Systems in E-commerce: A Systematic Review”。