一项关于ADHD患者与非ADHD患者如何识别和避免社交媒体上的暗模式的比较研究

研究背景与问题

• 作者发现了哪些问题或挑战？

  • 本研究关注社交媒体中广泛存在的“暗模式”（Dark Patterns），即通过界面设计操纵用户行为的策略，而相关研究显示许多用户难以辨识这些模式。
  • 特别地，研究探讨注意力缺陷多动障碍（ADHD）个体是否在识别和避免暗模式上表现出独特性，因其可能更容易受到与注意力相关的界面设计影响。

• 为什么这个问题很重要？

  • 暗模式已经被证明会对用户的隐私、自主性和心理健康产生负面影响，尤其是在数据驱动的社交媒体生态中。
  • ADHD个体可能面临更大的风险，因为他们的注意力分配和执行功能缺陷可能使他们更容易被操控。

• 研究动机与相关工作

  • 尽管已有研究探讨了暗模式的负面影响，但针对特定（尤其是脆弱）人群的研究仍属空白。
  • ADHD是高患病率的神经发育障碍，且已有研究显示其对技术使用行为（如视频游戏成瘾）有显著影响。本研究旨在弥补这一空缺。

解决方案

• 作者提出了哪些方法或解决方案？

  • 本研究设计了一个2×2因素比较实验，将135名参与者分为ADHD群体和非ADHD群体，探索两组如何识别和避免社交媒体中暗模式的能力。
  • 开发了一个动态交互模拟社交媒体平台，以实现对暗模式的深入分析，比以往研究中使用静态截图的方法更贴近真实环境。

• 该解决方案的创新之处是什么？

  • 使用模拟平台以多任务形式展示暗模式，允许追踪用户在动态交互中如何回应暗模式。
  • 根据成熟的暗模式分类法将用户界面设置为包含高、低及中层次策略，推动对暗模式时间效应的理解。
  • 提供可定制的开源平台供后续研究使用，支持针对特定用户群的研究。

• 实施步骤是什么？使用了哪些关键技术？

  • 实验任务包括在模拟平台中创建账号和评论内容，通过调整UI设计制造暗模式和非暗模式两种版本。
  • 使用Vue.js开发的Web应用记录用户行为数据，包括路径及交互。
  • 通过问卷测量用户对暗模式特征的感知（例如隐藏信息、误导性设计）以及认知负荷（NASA-TLX）。

研究成果

• 取得了哪些具体成果？

  • ADHD和非ADHD群体在识别暗模式时表现出相似，但两者的避免能力存在显著差异：
    • ADHD个体更容易透露个人信息，但在避免选择付费账户时更为成功。
    • 非ADHD群体更容易受到暗模式中隐性策略的影响，例如条款默认勾选。

• 与现有解决方案相比，它有哪些优势？

  • 将暗模式研究从静态截图扩展到动态交互并收集实时过程数据，提高了研究方法的生态效度。
  • 第一次探索特定脆弱群体（ADHD）如何与暗模式互动，为神经多样性相关的设计研究提供了新视角。

• 实验或评估结果是什么？

  • 不同任务版本（暗模式 vs 非暗模式）显著影响了所有参与者的选择。
  • ADHD群体在“完成任务比率”上对奖励驱动的暗模式（如显示完成进度条）更敏感。
  • NASA-TLX得分表明，暗模式总体提高了认知负荷，但ADHD个体报告的努力和挫折感较低。

• 局限性与未来方向

  • 局限性：
    • 使用自报告的ADHD诊断未进行医学验证，因此结果需谨慎解读。
    • 研究基于模拟平台而非真实社交媒体，可能导致用户行为的生态效度受限。
    • 暗模式比较的设置条件（例如任务中的强制性步骤不同）可能导致数据间的不可比性。
  • 未来方向：
    • 探索其他神经多样性群体如何与暗模式互动。
    • 验证性量表的开发以更可靠地衡量暗模式识别能力。
    • 将研究扩展到更多现实社交媒体平台及任务情境。

通过综合此项研究，本研究不仅填补了特定人群与暗模式互动的研究空白，也呼吁对设计中包含暗模式的伦理问题进行更严格的监管和干预。