暗模式知识本体论:基础、定义及共享知识构建路径

AI 伦理、公平与问责暗黑模式(Dark Patterns)识别UI/UX 设计师AI/ML 研究员与工程师隐私政策制定者HCI 研究员

文献标题

An Ontology of Dark Patterns Knowledge: Foundations, Definitions, and a Pathway for Shared Knowledge-Building

文献信息

  • 主题领域: 用户界面设计与交互相关的操纵性设计模式(暗模式)
  • 关键词: 暗模式、欺骗性设计、用户隐私、规制、本体论、人机交互

研究背景与问题

  • 问题或挑战:

    • 操纵性和欺骗性的设计实践(如“暗模式”)正在数字环境中愈发普遍,影响了用户在社交媒体、电商和移动设备上的交互。
    • 暗模式的定义缺乏统一性,不同学术研究、法规和行业实践之间存在术语分歧,这限制了学术研究支持法律制裁和推动设计规范发展的能力。
    • 与暗模式相关的研究领域高度分散,难以追踪其演化过程并进行跨领域整合。
    • 随着不同领域持续扩展,出现了许多新的类型,这导致重复劳动并加强了学术孤岛问题。
  • 重要性:

    • 暗模式设计威胁了用户自主性和知情选择权,这对用户隐私、商业诚信以及社会公平影响深远。
    • 统一的暗模式语言和概念框架有助于规范数字设计、促进跨学科合作,以及支持法律和监管措施。
  • 研究动机与相关工作:

    • 作者此前在多次学术活动中与设计师、法律学者和监管人员讨论,发现建立共享语言和集中型知识结构的重要性。
    • 现有研究(如Mathur等人的研究)已经初步统一了暗模式的定义和分类,但在实际应用与跨领域合作中依然存在挑战。

解决方案

  • 方法或解决方案:

    • 提出一个三层本体论框架,将暗模式划分为高层策略、中层角度和低层实践。
    • 整合了10种学术和法规分类,并通过系统性分析生成了包含64种具体暗模式的统一本体论。
    • 为暗模式定义制定了标准化语法结构,并通过社区反馈迭代完善。
  • 创新之处:

    • 本体论结合了学术、法规及实践领域的现有分类,用统一的层级建模方法解析暗模式。
    • 首次引入“中层模式”以桥接抽象策略与具体实施之间的鸿沟。
    • 提供易于扩展的框架,可适配不同域或技术的具体应用。
  • 实施步骤及关键技术:

    • 收集10个来源的暗模式分类文献并进行内容分析。
    • 对模式的来源进行追踪,识别其在历史上首次提出的时间和条件。
    • 利用视觉化工具(Miro)对模式进行聚类分析,并创建中层模式。
    • 在社区内进行验证,参与者包括研究学者、设计师、法律专家和监管机构。

研究成果

  • 具体成果:

    • 统一了暗模式的概念,提出了包含5高层模式、24中层模式和35低层模式的本体论。
    • 提供了标准化的语法和详细定义用于表达这些模式,涵盖新旧模式之间的关联。
    • 开发了开放的数字资源,以支持公众和研究人员扩展和共享该本体论。
  • 与现有解决方案相比的优势:

    • 解决了现有学术和法规分类的术语不一致问题,提高了跨领域协同工作的效率。
    • 提供了更细化的模式层级,便于研究人员和监管者检测和分析暗模式。
    • 建立了模式演化的溯源记录,帮助理解暗模式如何在不同领域形成和发展。
  • 实验或评估结果:

    • 在学术社区内进行初步评估,得到了积极反馈,并指出了模式定义的实效性和应用潜力。
    • 本体论逐步被应用于实际研究中,例如将暗模式映射到具体的法律案例和监管措施。
  • 局限性与未来方向:

    • 局限性:
      • 某些模式的层次划分可能因领域差异而具有争议性。
      • 当前版本主要基于欧美语境的数据来源,文化背景和国际化的扩展尚不足。
    • 未来方向:
      • 进一步完善定义,考虑法律与技术领域专家具体需求。
      • 扩展本体论以支持新的领域(如虚拟现实、医疗应用)和跨文化的暗模式研究。
      • 开发与本体论相结合的自动化检测工具,支持技术实践和设计师的实时审查。

总结

本文提出了一个新颖的三层暗模式本体论,通过标准化定义和语法结构,结合学术与法规资源,为研究和规制暗模式提供了共享的知识框架。研究成果有助于推动跨学科协作、提高监管效能,并为未来探索暗模式提供了结构化路径与扩展方案。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/147221/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3642436
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
AI 伦理、公平与问责、暗黑模式(Dark Patterns)识别
work
职业/产业
UI/UX 设计师、AI/ML 研究员与工程师、隐私政策制定者、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文