Logo des Repositoriums

Auflistung nach Schlagwort "Effort"

1 - 2 von 2
  • Konferenzbeitrag
    Between Effort and Security: User Assessment of the Adequacy of Security Mechanisms for App Categories
    (Mensch und Computer 2019 - Tagungsband, 2019) Reuter, Christian; Häusser, Katja; Bien, Mona; Herbert, Franziska
    With the increasing popularity of the smartphone, the number of people using it for financial transactions such as online shopping, online banking or mobile payment is also growing. Apps used in these contexts store sensitive and valuable data, creating a need for security measures. It has not yet been researched to what extent certain authentication mechanisms, which can be information-, biometric- as well as token-based, are suitable for individual apps and the respective data. The goal of this work is to assess how perceived security and estimated effort of using such mechanisms, as well as the degree to which app data is considered worth protecting, influence users’ choices of appropriate measures to protect app categories. Therefore, we conducted a representative study (n=1024). On the one hand, our results show that a positive correlation between perceived security and effort exists for all investigated non-biometric authentication methods. On the other hand, the study sheds light on the differences between the investigated app categories and the users’ choice of the appropriate security mechanisms for the particular category. In contrast to perceived security having a positive influence on a user’s preference of mechanism, a relation can hardly be identified for effort. Moreover, app data sensitivity does not seem relevant for the users’ choice of security mechanism.
  • Zeitschriftenartikel
    Produktempfehlungssysteme mit minimalem Konsumentenaufwand und hoher Genauigkeit
    (Wirtschaftsinformatik: Vol. 55, No. 6, 2013) Pfeiffer, Jella; Scholz, Michael
    In aktuellen Arbeiten zu Produktempfehlungssystemen wird die wahlbasierte Conjoint-Analyse zur Messung von Benutzerpräferenzen vorgeschlagen. Diese Methode erzielt eine hohe Empfehlungsqualität und leidet nicht unter dem Start-up-Problem, weil sie auch für neue Nutzer und neue Produkte Empfehlungen generiert. Die Anwendung der wahlbasierten Conjoint- Analyse bedeutet für Konsumenten jedoch einen erheblichen Aufwand, der zu einer Abneigung gegenüber derartigen Empfehlungssystemen führt. In diesem Artikel werden mit einer Simulation die hohe Entscheidungsqualität und der hohe Benutzeraufwand eines nutzenbasierten Systems mit wahlbasierten Conjoint-Analysen mit hierarchischem Bayes’-Schätzer aufgezeigt. Um den Widerspruch zwischen hoher Empfehlungsgüte und niedrigem Aufwand aufzulösen wird ein neuer Ansatz entwickelt, der nur Pareto-effiziente Alternativen zeigt und diese anhand der Anzahl der dominierten Attribute sortiert. Es zeigt sich, dass diese rangbasierte Pareto-Front zu einer besseren Empfehlungsliste führt als die Anwendung der wahlbasierten Conjoint-Analyse. Zudem ist der Aufwand für Konsumenten sehr gering und vergleichbar mit sehr einfachen Sortierverfahren.AbstractIn recent studies on recommendation systems, the choice-based conjoint analysis has been suggested as a method for measuring consumer preferences. This approach achieves high recommendation accuracy and does not suffer from the start-up problem because it is also applicable for recommendations for new consumers or of new products. However, this method requires massive consumer input, which causes consumer reluctance. In a simulation study, we demonstrate the high accuracy, but also the high user’s effort for using a utility-based recommendation system using a choice-based conjoint analysis with hierarchical Bayes estimation. In order to reduce the conflict between consumer effort and recommendation accuracy, we develop a novel approach that only shows Pareto-efficient alternatives and ranks them according to the number of dominated attributes. We demonstrate that, in terms of the decision accuracy of the recommended products, the ranked Pareto-front approach performs better than a recommendation system that employs choice-based conjoint analysis. Furthermore, the consumer’s effort is kept low and comparable to that of simple systems that require little consumer input.