数据集概述
本数据集是论文《Whom Do Explanations Serve? A Systematic Literature Survey of User Characteristics in Explainable Recommender Systems Evaluation》的补充材料，包含2017-2022年发表的1012篇相关文献。文献按解释评估方法分类，涵盖可解释推荐系统的提出或解释评估场景，还整理了含用户研究及统计显著性测试的文献子集，提取用户特征影响、应用领域等信息及参与者数据。
文件详解
- 文件名称：
WhomDoExplanationsServe-SupplementalMaterial.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含5个工作表（tab）
- All Papers：1012篇文献列表，按解释评估方法分类，字段含文献基本信息、评估方法论类别
- Surveyed Papers：经用户研究且测试统计显著性的文献子集，字段含文献筛选标识、用户研究相关元数据
- Effects on User：从子集提取的评估发现，字段含用户特征影响结果、应用领域、解释模态、生成方法、推荐系统类型
- Evaluated Participants：用户研究参与者信息，字段含参与者人口统计特征、招募方式、样本量等
- List of Evaluated Traits：用户特征分类概述，字段含特征类别、具体特征名称、分类依据
数据来源
论文《Whom Do Explanations Serve? A Systematic Literature Survey of User Characteristics in Explainable Recommender Systems Evaluation》
适用场景
- 可解释推荐系统研究趋势分析: 统计2017-2022年相关文献的数量变化、研究方向分布
- 用户特征对推荐解释效果的影响研究: 分析不同用户特征（如认知水平、领域知识）与解释接受度、满意度的关联
- 推荐系统解释设计优化: 基于用户特征分布及影响结果，指导面向特定用户群体的解释模态（如文本、可视化）选择
- 推荐系统评估方法论改进: 参考文献中的用户研究设计与统计显著性测试方法，完善可解释推荐系统的评估框架
- 用户研究参与者特征分析: 总结可解释推荐系统用户研究中参与者的招募标准、样本结构特点，为后续研究提供参考
