@mastersthesis{falch_measuring_2022,
	title = {Measuring the {Effect} of {Recommender} {Systems} in {Online} {Video} {Learning} {Platforms}: {A} {Case} {Study} with {Utdannet}.no},
	shorttitle = {Measuring the {Effect} of {Recommender} {Systems} in {Online} {Video} {Learning} {Platforms}},
	url = {https://hdl.handle.net/11250/3041057},
	abstract = {Anbefalingssystemer er over alt i dagens samfunn. Deres nytteverdi gjør at de ser bruk i mange domener, fra søkemotorer, til handel, til utdanning. I dag finnes det mye billig, pålitelig teknologi, og dette har banet vei for e-læring og robuste systemer som presenterer gode læringsmaterialer. Men å evaluere nyanserte spørsmål om e-læring kan være vanskelig. I samarbeid med Utdannet utforsker denne avhandlingen personaliserte anbefalinger og deres effekt på brukerengasjement og tid brukt på Utdannet sin plattform.

For å undersøke denne effekten ble to A/B-tester utført. To forskjellige anbefalingsstrategier ble brukt for å måle klikkraten og dveleraten mellom de forskjellige strategiene.

Resultatene av eksperimentene er inkonklusive. Mangel på data, en for simplistisk modell, og en lav adopsjonsrate er hypotetiserte årsaker til hvorfor resultatet er som det er. Selv om ingen konklusjoner kan bli tatt, er det en signifikant forskjell i antall observasjoner mellom de forskjellige strategiene som ble brukt i hybridmodellen. På bakgrunn av dette anbefaler jeg mer forskning på mer tilpassede modeller, og en lengre eksperimentperiode.},
	language = {eng},
	urldate = {2025-08-01},
	school = {NTNU},
	author = {Falch, William Tallis},
	year = {2022},
	note = {Accepted: 2023-01-04T18:19:42Z},
}

{"_id":"dxY2e5C99Z4m29t5c","bibbaseid":"falch-measuringtheeffectofrecommendersystemsinonlinevideolearningplatformsacasestudywithutdannetno-2022","author_short":["Falch, W. T."],"bibdata":{"bibtype":"mastersthesis","type":"mastersthesis","title":"Measuring the Effect of Recommender Systems in Online Video Learning Platforms: A Case Study with Utdannet.no","shorttitle":"Measuring the Effect of Recommender Systems in Online Video Learning Platforms","url":"https://hdl.handle.net/11250/3041057","abstract":"Anbefalingssystemer er over alt i dagens samfunn. Deres nytteverdi gjør at de ser bruk i mange domener, fra søkemotorer, til handel, til utdanning. I dag finnes det mye billig, pålitelig teknologi, og dette har banet vei for e-læring og robuste systemer som presenterer gode læringsmaterialer. Men å evaluere nyanserte spørsmål om e-læring kan være vanskelig. I samarbeid med Utdannet utforsker denne avhandlingen personaliserte anbefalinger og deres effekt på brukerengasjement og tid brukt på Utdannet sin plattform. For å undersøke denne effekten ble to A/B-tester utført. To forskjellige anbefalingsstrategier ble brukt for å måle klikkraten og dveleraten mellom de forskjellige strategiene. Resultatene av eksperimentene er inkonklusive. Mangel på data, en for simplistisk modell, og en lav adopsjonsrate er hypotetiserte årsaker til hvorfor resultatet er som det er. Selv om ingen konklusjoner kan bli tatt, er det en signifikant forskjell i antall observasjoner mellom de forskjellige strategiene som ble brukt i hybridmodellen. På bakgrunn av dette anbefaler jeg mer forskning på mer tilpassede modeller, og en lengre eksperimentperiode.","language":"eng","urldate":"2025-08-01","school":"NTNU","author":[{"propositions":[],"lastnames":["Falch"],"firstnames":["William","Tallis"],"suffixes":[]}],"year":"2022","note":"Accepted: 2023-01-04T18:19:42Z","bibtex":"@mastersthesis{falch_measuring_2022,\n\ttitle = {Measuring the {Effect} of {Recommender} {Systems} in {Online} {Video} {Learning} {Platforms}: {A} {Case} {Study} with {Utdannet}.no},\n\tshorttitle = {Measuring the {Effect} of {Recommender} {Systems} in {Online} {Video} {Learning} {Platforms}},\n\turl = {https://hdl.handle.net/11250/3041057},\n\tabstract = {Anbefalingssystemer er over alt i dagens samfunn. Deres nytteverdi gjør at de ser bruk i mange domener, fra søkemotorer, til handel, til utdanning. I dag finnes det mye billig, pålitelig teknologi, og dette har banet vei for e-læring og robuste systemer som presenterer gode læringsmaterialer. Men å evaluere nyanserte spørsmål om e-læring kan være vanskelig. I samarbeid med Utdannet utforsker denne avhandlingen personaliserte anbefalinger og deres effekt på brukerengasjement og tid brukt på Utdannet sin plattform.\n\nFor å undersøke denne effekten ble to A/B-tester utført. To forskjellige anbefalingsstrategier ble brukt for å måle klikkraten og dveleraten mellom de forskjellige strategiene.\n\nResultatene av eksperimentene er inkonklusive. Mangel på data, en for simplistisk modell, og en lav adopsjonsrate er hypotetiserte årsaker til hvorfor resultatet er som det er. Selv om ingen konklusjoner kan bli tatt, er det en signifikant forskjell i antall observasjoner mellom de forskjellige strategiene som ble brukt i hybridmodellen. På bakgrunn av dette anbefaler jeg mer forskning på mer tilpassede modeller, og en lengre eksperimentperiode.},\n\tlanguage = {eng},\n\turldate = {2025-08-01},\n\tschool = {NTNU},\n\tauthor = {Falch, William Tallis},\n\tyear = {2022},\n\tnote = {Accepted: 2023-01-04T18:19:42Z},\n}\n\n","author_short":["Falch, W. T."],"key":"falch_measuring_2022","id":"falch_measuring_2022","bibbaseid":"falch-measuringtheeffectofrecommendersystemsinonlinevideolearningplatformsacasestudywithutdannetno-2022","role":"author","urls":{"Paper":"https://hdl.handle.net/11250/3041057"},"metadata":{"authorlinks":{}}},"bibtype":"mastersthesis","biburl":"https://api.zotero.org/users/6655/collections/3TB3KT36/items?key=VFvZhZXIoHNBbzoLZ1IM2zgf&format=bibtex&limit=100","dataSources":["7KNAjxiv2tsagmbgY"],"keywords":[],"search_terms":["measuring","effect","recommender","systems","online","video","learning","platforms","case","study","utdannet","falch"],"title":"Measuring the Effect of Recommender Systems in Online Video Learning Platforms: A Case Study with Utdannet.no","year":2022}