复杂vs透明:迈向评估青少年在线安全提示的生态有效性和安全性的方法
作者
在线骚扰与反制工具社交平台设计与用户行为虚假信息与事实核查
文献标题
Tricky vs. Transparent: Towards an Ecologically Valid and Safe Approach for Evaluating Online Safety Nudges for Teens
文献信息
- 主题领域: 人机交互 (HCI) 中涉及青少年在线安全干预评估方法的研究。
- 关键词: 青少年在线安全、警示干预、行为改变、评估、用户角色、模拟、生态有效性
研究背景与问题
-
发现的问题或挑战:
- 设计保护青少年在线安全的干预措施时,现有研究更倾向于设计而非评估这些解决方案的实际效果。
- 模拟真实在线风险以测试干预效果的同时,难以避免对参与的青少年构成实际风险。
- 现有技术缺乏生态有效性,无法准确反映青少年在现实风险场景下对干预措施的行为反应。
-
重要性:
- 青少年特殊的发育需求与独特的在线互动行为需要进一步的研究来确保实验的现实性。
- 针对这一脆弱群体的研究需关注方法的伦理性以及对青少年权益的保护。
-
研究动机与相关工作:
- 研究借鉴了社会信息处理 (SIP) 理论,从参与青少年的视角审视风险情景和干预设计,旨在开发贴近真实、有效保护青少年的评估方法。
- 此前的研究建议引入元研究(研究方法自身的探讨和评价)以提高研究实践的成果效果。
解决方案
-
提出的解决方案:
- 开发一个半控制的开源社交媒体模拟平台,使研究者得以测试青少年在线安全干预措施的生态有效性。
- 结合青少年共设计方法创建风险情景、虚拟角色和警示干预提示,用于探索干预效果。
-
创新点:
- 第一次将青少年作为研究共设计者,为解决在线安全干预评估的难题提供了新的视角。
- 运用模拟环境结合真实社会网络特性,保持研究的生态有效性,同时确保青少年的安全。
-
实施步骤与技术:
- 研究分组开展焦点小组讨论,收集青少年对风险场景、用户角色、平台特征和干预提示的反馈。
- 使用社会信息处理 (SIP) 理论分析青少年对风险场景的社会解读及对干预设计的建议。
- 设计和实施 "Wizard-of-Oz" 的模拟方法,研究人员扮演虚拟社交媒体用户角色,营造控制的测试环境。
研究成果
-
具体成果:
- 确立了一组展示风险情景、用户角色和社交媒体环境基础设计元素的指导原则。
- 青少年反馈显示,风险情景能够更加微妙和可信,干预措施应平衡风险预防与用户自主性。
- 提出了多种优化干预措施的设计方法,包括敏感性过滤器、社区教育及加强对有害行为者的问责。
-
优势与比较:
- 与现有的问卷调查法相比,此项研究的模拟方法能够更真实地展现青少年的行为反应。
- 模拟环境提供了独特的实验操作优势,既维持研究设计的生态有效性又避免直接对参与者构成风险。
-
实验或评估结果:
- 大多数青少年认为该模拟环境贴近实际社交媒体的使用体验。
- 实验结果反映出青少年普遍倾向于选择多样化的风险应对方式,强调自主性并提倡社区责任。
-
局限性与未来方向:
- 研究样本量较小,对低收入家庭或非西方背景的青少年群体可能缺乏充分代表性。
- 容易受团体讨论中社交期望偏差或群体思维影响,建议未来研究增设个体访谈。
- 呼吁未来更多实证研究验证建议的元研究方法以及模拟环境对干预措施评估的有效性。
总结
本研究为青少年在线安全干预的生态有效性评估提供了一个科学的框架和具体实践指南。通过构建虚拟社交媒体模拟环境,研究有效地解决了高潜在风险研究中的伦理挑战,同时推动了青少年在线安全干预的发展。此研究不仅对于HCI社区具有显著贡献,也为开展敏感话题相关研究提供了宝贵经验。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 如何评估面向青少年的在线安全干预措施的生态有效性?分类: 误导信息、平台伤害、风险与信任同类问题arrow_forward
- 模拟真实在线风险来测试干预措施时,如何在有效性与青少年安全之间找到平衡?分类: 误导信息、平台伤害、风险与信任同类问题arrow_forward
- 青少年参与协同设计能否提高在线风险干预评估的准确性与可信度?分类: 误导信息、平台伤害、风险与信任同类问题arrow_forward
lightbulb
现实痛点
1- 青少年很难在真实风险中安全测试在线安全干预措施。分类: 误导信息、平台伤害、风险与信任同类问题arrow_forward
- 67%
饥饿的新闻推送以进行社交媒体排毒:严格的和自我调控的Facebook新闻推送饮食的影响
CHI '23· 在线骚扰与反制工具 +1
- 67%
多数环境中的在线骚扰:考察各国的伤害与补救措施
CHI '23· 在线骚扰与反制工具 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3642313
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
8 位作者
sell
研究子方向
在线骚扰与反制工具、社交平台设计与用户行为、虚假信息与事实核查
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
2 篇相关论文