人机反编舞：通过实时编码提高对数据跟踪的意识

研究背景与问题

• 发现的问题或挑战：

  1. 在线算法（特别是数据追踪算法）常被设计得难以理解，导致用户无知觉地被追踪并操控。
  2. 这些系统不仅积累用户数据，还促进不平等并可能对用户造成伤害。
  3. 即便有如 GDPR 等隐私法规的出台，数据透明性虽有所提升，但在线追踪行为并未显著减少。
  4. 当前用户在互联网中的行为极易被广告驱动的追踪技术捕捉，缺乏对此的理解与主动意识。

• 问题的重要性：

  1. 向大众揭示追踪算法的运作方式有助于提升数据隐私意识，从而帮助用户更好地保护自身数据。
  2. 表演艺术和跨领域方法提供了新机会，通过感性与互动方式，引发公众对隐私问题的深度反思。

• 研究动机与相关工作：

  1. 通过研究表明，隐私教育和参与感是提升数据素养的关键。
  2. 当前HCI与艺术界已有部分尝试整合舞蹈、角色扮演和数据互动以探讨人机交互的社会伦理作用。这些尝试启发了将实时编码与互动舞蹈相结合的潜力。
  3. 作者提出通过一种新颖的艺术表演，揭示这些信息并促进数据思维与反思。

解决方案

• 提出的方法或解决方案：

  1. 设计了一场基于实时编码（Live-Coding）和舞蹈的表演“Human-Computer Counter-Choreographies (HCCC)”。
  2. 使用修改后的DuckDuckGo隐私插件结合JavaScript代码，将在线追踪算法以视觉化和声音化形式展示，取代其传统的隐性运作方式。
  3. 与观众互动，通过肢体活动（遵循编排的动作提示）让他们参与并“体验”追踪算法。

• 创新之处：

  1. 实时编码与舞蹈编排结合的艺术方法，开创性地揭示主流算法对用户数据的运作方式。
  2. 引入身体参与，打破对抽象数据的单纯观察模式，通过肢体感知建立对追踪算法的切身理解。
  3. 借助浏览器作为舞台，将技术与表现艺术深度整合，突出数字交互环境的具象化与批判性。

• 实施步骤及关键技术：

  1. 浏览器与工具设计：利用修改的DuckDuckGo扩展，动态显示追踪请求和脚本。
  2. 视觉化和声音化 ：追踪信息被转化为文本重叠、背景色变更以及节拍器音效。
  3. 观众编排参与：设计一系列动作提示（如站立、移动）模拟在线追踪中的数据结构化过程。
  4. 戏剧架构（Dramaturgy）：设置演出情节，从追踪数据的揭露到受众的反应，创造峰值体验。
  5. 收集反馈：通过调查问卷与定性分析，测量观众对在线追踪的认知和态度变化。

研究成果

• 具体成果：

  1. 明显提高观众对在线追踪算法的意识和理解，带来对数字隐私的新的认知。
  2. 创造了一种新型实时编码表演形式，结合了技术批判、观众互动和视觉艺术。
  3. 使用数据生成的动态反馈使观众实际感受到在线平台对他们行为的纪录和影响。

• 与现有解决方案的优势：

  1. 与传统的算法透明性项目的单向性不同，该表演通过身体参与创造了一种参与式、沉浸式的学习体验。
  2. 不止于展示数据追踪现象，还强调这种现象如何与数字隐私、用户控制权联系。

• 实验或评估结果：

  1. 分析了来自43名观众的问卷反馈，结果表明他们集体感受到提高的追踪算法认知能力（Likert Scale显著提高）。
  2. 观众指出，通过动作参与和现场算法演绎，他们感受到在线追踪和算法的运作如何操控日常行为。

• 局限性与未来方向：

  1. 局限性：当前受众主要集中于艺术和科技会议的参与者，技术背景较强，离普通大众还有距离。
  2. 未来改进方向：
     • 扩展到更广泛观众，如非技术型用户或公众领域（比如公共展览或网络直播）。
     • 探索更长期的观众行为变化，例如是否能激发规避追踪算法的实际行动。
     • 在未来的表演中整合观众的实时个人数据（例如通过手机）。
     • 更明确探讨“反控制舞蹈”的潜力，激发进一步的反数据剥削行动。

总结

这项研究展示了一种结合实时编码、身体参与与艺术表演的新方法，有力推动了对在线追踪系统的揭露与批判性反思。通过创造性地结合技术与艺术，HCCC不仅提升了观众意识，还开启了探索技术抗争和数据伦理教育的新路径。