Scalia, Martina (A.A. 2020/2021) Intelligenza artificiale e robotica: il maggiore appeal di un design antropomorfo nei robot. Tesi di Laurea in Machine learning & object driven marketing, Luiss Guido Carli, relatore Luigi Laura, pp. 180. [Master's Degree Thesis]

PDF (Full text) Restricted to Registered users only Download (13MB) | Request a copy

Abstract/Index

Artificial intelligence. Historical overview. Il turing test. L’anti turing test o captcha. Strong and weak artificial intelligence. Le minacce e le opportunità dell’intelligenza artificiale. Artificial intelligence applicata al marketing. Emotional artificial intelligence e la robotica. Introduzione all’affective computing. Affective computing: cosa si intende con questo termine. Diverse applicazioni dell’emotion recognition. L’emotion recognition nell’advertising e nel marketing. Emotional computing nel retailing. Introduzione alla robotica emozionale. La creazione ed il passaggio ai chatbot emozionali. Sentiment Analysis-humanoid robot. Overview sulla sentiment analysis. Obiettivo dell’analisi. In cosa consiste. Metodologia e risultati della sentiment analysis. Limiti dell’analisi. Ricerca quantitativa: come il design antropomorfo dei robot condiziona le percezioni dei potenziali consumatori. L’antropomorfismo. L’antropomorfismo applicato al campo della robotica. Classificazione dei robot: i domestic robot e i robot socialmente interattivi. Il ruolo delle emozioni nei socially interactive robot. L’aspetto di un robot: perché è così importante. Le analisi legate all’antropomorfismo nei robot. I rischi e le opportunità dei robot altamente antropomorfizzati. Letteratura accademica sulla percezione di affidabilità dei robot. Letteratura accademica sulla likeability dei robot. Framework concettuale e sviluppo delle ipotesi. Analisi dello studio quantitativo. Analisi statistica dei dati.

References

Sitografia: p. 148. Bibliografia: pp. 149-153.

Thesis Type:	Master's Degree Thesis
Institution:	Luiss Guido Carli
Degree Program:	Master's Degree Programs > Master's Degree Program in Marketing (LM-77)
Chair:	Machine learning & object driven marketing
Thesis Supervisor:	Laura, Luigi
Thesis Co-Supervisor:	Italiano, Giuseppe Francesco
Academic Year:	2020/2021
Session:	Summer
Deposited by:	Alessandro Perfetti
Date Deposited:	02 Dec 2021 13:37
Last Modified:	02 Dec 2021 13:37
URI:	https://tesi.luiss.it/id/eprint/30854

Downloads

Repository Staff Only

View Item