短款：在消费者投诉中揭露和分析亲密伴侣的经济虐待

文献标题

Shortchanged: Uncovering and Analyzing Intimate Partner Financial Abuse in Consumer Complaints

文献信息

• 主题领域: 金融科技、社会安全、亲密伴侣暴力
• 关键词: 金融虐待, 亲密伴侣暴力, 技术驱动的虐待, 消费者投诉, 数字金融产品, 自然语言处理

研究背景与问题

• 问题或挑战:

  • 金融虐待是亲密伴侣暴力(IPV)的一种形式，会对受害者的心理、生理和经济状况造成重大负面影响。
  • 数字金融产品可能强化这些问题，帮助施害者监控、控制和利用受害者的财务信息。
  • 当前金融机构在处理消费者关于技术驱动虐待的投诉方面存在政策和技术上的缺陷。
  • 数字金融虐待的复杂性受到研究数据可得性和用户自我披露行为的限制。

• 重要性:

  • 亲密伴侣金融虐待(IPFA)涉及受害者的生活质量和安全，需要金融机构采取行动以更好地保护客户权益。
  • 研究有助于改进数字金融产品的设计，减少因技术或政策漏洞而导致的安全风险。

• 研究动机与相关工作:

  • 作者旨在通过自然语言处理和人工审阅，探索公开投诉数据如何帮助识别亲密伴侣金融虐待的模式。
  • 与过往研究相比，该工作聚焦于消费者投诉的第一手文本数据，提出新方法以描述数字产品中的技术驱动虐待和相关障碍。

解决方案

• 提出的方法或解决方案:

  • 开发了一个五步工作流程，通过关键词提取和匹配、文本嵌入、聚类，以及人工专家审核来提取IPFA相关投诉。
  • 使用了预训练语言模型 (如 BERT、SimCSE) 来提取文本语义嵌入，并结合K-means聚类对投诉进行分类。

• 创新之处:

  • 提供了第一个以人工标记的亲密伴侣金融虐待数据集，覆盖消费者投诉中未被充分关注的技术驱动虐待。
  • 将自然语言处理与框架分析及批判性话语分析结合起来，揭示数字金融产品中被虐待者面临的障碍。

• 实施步骤:

  1. 构建关键词列表以覆盖亲密伴侣相关表述及金融虐待相关关键词。
  2. 执行关键词匹配（基于语义相近性和上下文距离）抽取初始相关投诉集。
  3. 使用语言模型生成文本嵌入，并结合聚类算法分类投诉。
  4. 人工审阅聚类结果，提取与IPFA相关的案例并扩展标记数据集。
  5. 最终形成一个包含513条亲密伴侣金融虐待案例的高质量数据集。

研究成果

• 具体成果:

  • 提取了数字金融产品中14种不同形式的技术驱动金融攻击，以及24种相关技术产品和服务。
  • 特别关注了账户接管进行犯罪活动、资产管理上的过失行为、以及客户和金融机构交互中的欺骗行为。

• 优势与比较:

  • 相较之前的研究，该工作深入分析了具体的数字金融产品及其技术虐待模式。
  • 提供了纵深的消费者投诉数据视角，展现数字金融产品中的虐待案例及解决障碍。

• 实验或评估结果:

  • 从CFPB数据库抽取了464篇投诉文本，分析了其语言模式和社会动态。
  • 发现绝大多数消费者未标注其经历为“虐待”，展现了金融技术设计和服务政策的不完善。
  • 数据集通过人工和算法实现了43%的扩展，覆盖多种虐待类型及高风险行为。

• 局限性与未来方向:

  • 数据集的规模相对较小，与消费者的自我报告可能不涵盖所有虐待情景。
  • 后续研究可以结合多机构数据，研究不同时间维度上的IPFA模式。
  • 探索改进金融产品和支持机制的设计，例如基于用户反馈优化的护盾工具和系统化证据收集技术。

总结

这项研究通过结合自然语言处理技术和深入分析消费者投诉数据，首次系统性地识别了亲密伴侣金融虐待的技术模式和社会动态。研究揭示了受害者在追求解决方案时面临的显著障碍，并提出了新的方法以改善数字金融客户端的安全性和功能设计。