不仅仅是知情:智能家庭中同意方面的 importance

隐私设计与用户控制智能家居交互设计智能家居隐私与安全政府官员与公务员隐私政策制定者

文献标题

More than just informed: The importance of consent facets in smart homes

文献信息

  • 主题领域: 智能家居中的隐私、数据收集与知情同意的复杂性
  • 关键词: 同意、偶然用户、智能家居、数据收集、隐私、伦理、法规、用户体验、技术设计、道德

研究背景与问题

  • 发现的问题和挑战:

    1. 智能家居设备在数据收集中的隐私问题日益严重,尤其是对“偶然用户”(不拥有或控制设备的用户)而言,相较设备拥有者,他们缺乏对数据的控制权。
    2. 当前的法律政策和技术设计通常过于强调“知情同意”,而未考虑其他同意的关键维度(如自愿性、可撤销性、特异性等)。
    3. 人们对哪些负责人(设备拥有者、厂家或偶然用户)需要保证数据收集同意缺乏明确认识。
  • 研究动机与相关工作: 本研究扩展了现有有关在线隐私和智能家居装置隐私的文献,将注意力集中在如何为偶然用户创造更具有“同意意义”的数据收集环境上。特别是,《一般数据保护条例》(GDPR)和其他法规提到了一些关于同意的维度,但智能家居中的实际实现仍然存在不足之处。

解决方案

  • 提出的方法或解决方案:

    1. 引入多维度同意框架:在研究中整合了六个同意维度,包括“自愿性”、“可撤销性”、“知情”、“热情”、“特异性”和“不繁重性”。
    2. 设计并实施了一项在线问卷调查,基于三个主要研究问题展开:
      • 同意对数据收集接受度有多大影响?
      • 不同的同意维度对接受度的影响是否不同?
      • 在何种情境下同意更为重要?
  • 创新点:

    1. 第一次全面比较了六个同意维度在智能家居背景下的重要性。
    2. 通过对480多名美国成年人的调研,深入探讨了设备类型、用户关系类型(例如房客—房东、同居者)对于接受度的交互影响。
  • 实施步骤和关键方法:

    1. 调查设计: 包含情景案例(vignettes)和直接关于同意的问卷。
      • 情景描述,探索在不同情况下各同意维度的缺失如何影响数据收集的接受度。
      • 对用户责任、设备制造商责任,以及数据的接受程度进行自由与封闭式问题考察。
    2. 数据分析:
      • 使用贝叶斯线性混合效应回归和Wilcoxon检验分析接受度评分变化。
      • 数据定性编码,探索自由文本回应中隐现的主题。

研究成果

  • 取得的具体成果:

    1. 同意维度的影响:
      • “自愿性”的缺失对数据接受度的影响最大(平均评分减少1.4),其次为“知情”(减少0.35)。而“特异性”的缺失对接受度影响最小。
      • 整体来看,58%的受访者在同意维度缺失后下调了接受度评分。
    2. 问题对比:
      • 在摄像头强制监控的案例中,受访者普遍表现出更加负面的态度,而对数据类型(比如运动传感器的应用)则相对宽容。
    3. 责任认知:
      • 超过78%的参与者认为设备拥有者在获取同意上“非常负责”,但对设备制造商的责任分歧较大。
      • 仅10%的参与者认为偶然用户需要为数据收集负责。
  • 与现有解决方案的优势:

    • 与传统隐私研究相比,本研究强调了多维度同意的重要性,并首次详细测量了每个维度对用户接受度的独立和相对影响。
  • 实验结果总结:

    • 智能家居中的数据收集同意不仅取决于设备本身的设计,还与设备的使用环境(家庭还是公共场所)以及用户之间的社会关系密切相关。
  • 局限性与未来方向:

    1. 局限性:
      • 数据主要来自美国成年用户,对文化差异缺乏考察。
      • 场景设计只涵盖了有限的设备和关系组合,存在一定的生态效度问题。
    2. 未来研究方向:
      • 更全面地探讨其他文化和社会背景下的同意偏好。
      • 考察如何通过设备设计减少社会压力,以帮助偶然用户更自由地表达意愿。

总结与建议

  • 本研究提出了多维度同意框架的重要性,并提出了一系列面向政策制定者、制造商和设备拥有者的建议:
    1. 政策层面:需出台规定确保“自愿性”和“可撤销性”原则的执行。
    2. 技术层面:智能家居设备制造商应为偶然用户开发更友好、透明且易操作的隐私控制功能。
    3. 社会层面:需要通过教育和技术规范改变智能家居中的潜在监督文化,减少非技术性用户的隐私顾虑。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/148007/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3642288
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
隐私设计与用户控制、智能家居交互设计、智能家居隐私与安全
work
职业/产业
政府官员与公务员、隐私政策制定者
article
内容状态
已索引正文
hub
相关论文
7 篇相关论文