← heapsort-ai

user behavior

11 items

RESEARCHarXiv CS.AI·il y a 5j

Stumbling Into AI Emotional Dependence: How Routine AI Interactions Reshape Human Connection

Le discours public suppose que le soutien émotionnel de l'IA est délibéré, mais cette recherche affirme qu'il émerge incidemment lors d'interactions orientées vers des tâches sur des plateformes généralistes. Ces rencontres incidentes modifient les croyances sur les capacités émotionnelles de l'IA, augmentant la préférence pour l'IA et diminuant celle pour les humains en matière de soutien émotionnel.

28
RESEARCHarXiv CS.AI·il y a 11j

Adopt $\neq$ Adapt: Longitudinal Analyses of LLM Conversations in the Wild

Cette recherche analyse les trajectoires conversationnelles d'environ 12 000 utilisateurs de Microsoft Bing Copilot et les compare aux données de WildChat-4.8M. Elle révèle que, malgré les tendances au niveau de la population, les habitudes des utilisateurs individuels sont extrêmement persistantes, avec peu de changements au fil du temps.

27
RESEARCHarXiv CS.AI·il y a 6j

BehaviorBench: Modeling Real-World User Decisions from Behavioral Traces

Cet article présente BehaviorBench, un nouveau benchmark pour évaluer la modélisation de décisions personnalisées à partir de traces comportementales réelles. Il reconstruit les historiques de décisions au niveau du portefeuille à partir d'enregistrements publics de marchés de prédiction et de données on-chain, organisant les tâches en prédiction de croyances et prédiction de transactions.

27
ARTICLEDEV.to AI·07/05/2026

Automating the Hunt: AI Alerts for High-Risk User Behavior

Cet article explique comment les fondateurs de micro-SaaS peuvent lutter contre le désabonnement des clients en mettant en œuvre des alertes échelonnées basées sur l'IA pour surveiller les comportements d'utilisateurs à haut risque. Il préconise l'automatisation pour catégoriser les risques et permettre des réponses rapides et personnalisées, évitant la fatigue des alertes et concentrant efficacement les ressources.

27
ARTICLEDEV.to AI·il y a 8j

🤖 Predictive Analytics for Web Apps: How AI Is Turning User Behavior Into Future Actions

L'article explore comment l'analyse prédictive, alimentée par l'IA et l'apprentissage automatique, transforme les applications web en analysant les données historiques des utilisateurs pour anticiper les actions futures. Cette approche proactive permet des expériences personnalisées, allant au-delà des systèmes réactifs pour répondre aux attentes modernes des utilisateurs en matière de contenu pertinent et de recommandations opportunes.

27
ARTICLEDEV.to AI·24/04/2026

Your MVP Has Users… But You’re Learning Nothing (This Is More Dangerous Than You Think)

L'article souligne que l'objectif principal d'un MVP est de réduire l'incertitude et de générer un apprentissage quotidien, et non pas seulement de suivre l'activité. Il suggère de suivre des métriques comportementales comme le taux d'activation et de rétention pour obtenir de réelles informations sur les utilisateurs, plutôt que des métriques superficielles.

3