Recommendation system benefits social media by attracting users with the posts they prefer. The recommended posts, however, may not align with what users really need to browse, especially in terms of emotion. Thus we conducted a case study in TikTok, in order to understand the emotional impact of social application’s post feed and to explore the interactive solution. The state-of-arts were reviewed, on the topics of psychology issues caused by social media, related therapy and product solutions. To empathise with users’ situation, a workshop was performed, consisting of a card game, presentation and participatory design. Then an emotion reminder, built on a Naive Bayesian text classifier and a facial expression SVM, was prototyped. With an accuracy of 0.51 (text) and 0.69 (facial expression) in sentiment classification, the emotion reminder was then tested by the users. It was discovered that users had higher emotion awareness, higher sense of control over the browsing and lower engagement in the interface with the prototype, compared with the original TikTok interface. And this was aligned with their needs described in the workshop. Users preferred the prototype’s content-based emotion detection than the detection based on their biological data in terms of privacy, and embraced the format of the reminder, instead of auto-filter, as an emotionally positive experience was not just browsing the posts with positive feelings, but receiving negative posts as well. / Rekommendationssystem gynnar sociala medier genom att locka användare med de inlägg de föredrar. De rekommenderade inläggen kan dock inte alltid överensstämma med det användarna verkligen behöver bläddra igenom, särskilt när det gäller känslor. Därför genomförde vi en fallstudie på TikTok för att förstå den emotionella påverkan av sociala applikationers inläggflöde och för att utforska interaktiva lösningar. Den senaste forskningen inom området granskades med fokus på psykologiska problem orsakade av sociala medier, relaterad terapi och produktlösningar. För att sätta oss in i användarnas situation genomfördes en workshop med ett kortspel, presentation och deltagande design. Därefter skapades en känslomässig påminnelse, baserad på en Naive Bayes-textklassificerare och en SVM för ansiktsuttryck. Med en noggrannhet på 0,51 (text) och 0,69 (ansiktsuttryck) i känslolägesklassificering testades sedan känslominnaren av användarna. Det visade sig att användarna hade ökad medvetenhet om sina känslor, ökad känsla av kontroll över bläddrandet och lägre engagemang i gränssnittet med prototypen jämfört med det ursprungliga TikTok-gränssnittet. Detta stämde överens med deras behov som beskrevs under workshopen. Användarna föredrog prototypens innehållsbaserade känslodetektion jämfört med detektering baserad på deras biologiska data av integritetsskäl och omfamnade formatet på påminnelsen istället för automatisk filtrering. En emotionellt positiv upplevelse handlade inte bara om att bläddra bland inlägg med positiva känslor, utan även att ta emot negativa inlägg.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-340021 |
| Date | January 2023 |
| Creators | Deng, Yawen |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2023:739 |
Page generated in 0.0031 seconds