作为隐私政策替代格式的滚动叙事
隐私设计与用户控制数据隐私感知与决策数据故事讲述(Data Storytelling)隐私政策制定者UI/UX 设计师HCI 研究员
文献标题
Scrollytelling as an Alternative Format for Privacy Policies
出版信息
- 主题领域: 隐私政策沟通与用户理解
- 关键词: 隐私政策,滚动叙事,用户参与,理解,叙事可视化,认知负荷,透明性,信任,交互设计,可用性
背景与问题
- 问题/挑战: 隐私政策通常篇幅较长、内容复杂且难以阅读,导致用户参与度低和理解力差。现有的替代格式,如营养标签和交互工具,效果参差不齐且采用率有限。
- 重要性: 改善隐私政策的沟通对于实现知情同意、建立用户信任以及数据实践的透明性至关重要。
- 动机与相关研究: 之前的研究探索了简化概述、图标、交互式问答系统和隐私营养标签。这些方法虽然提高了可用性,但通常涉及权衡,例如省略细节或增加认知负荷。滚动叙事等叙事技术在其他领域取得了成功,但其在隐私政策中的潜力尚未被探索。
解决方案
- 提出的方法: 滚动叙事——一种基于滚动驱动的叙事格式,将动画视觉效果与完整文本隐私政策相结合,创造一种引人入胜且结构化的阅读体验。
- 创新点:
- 引入滚动叙事作为隐私政策沟通的一种新颖格式。
- 开发一个结合叙事引导与政策忠实探索的原型。
- 在理解力、体验和感知结果方面,对滚动叙事与文本、表格以及仅可视化格式进行实证比较。
- 流程与关键技术:
- 设计目标: 保持法律忠实性,支持理解,帮助用户定位,允许验证,并在概览与选择性探究之间取得平衡。
- 界面功能: 分屏布局,文本与动画同步显示,渐进式信息披露,数据流的视觉解释,以及交互式摘要。
- 评估: 一项在线实验(N = 454),比较滚动叙事与四种替代格式(文本、营养标签、营养标签+文本、交互式可视化)。
结果
- 具体发现:
- 滚动叙事的理解准确率较高(75.5%),与大多数格式相比统计上无显著差异,除营养标签(78.1%)外。
- 滚动叙事改善了主观体验,包括参与度、愉悦感和感知清晰度,同时相比文本减少了认知负荷。
- 在感知透明性、信任和理解方面的前后变化较小,且在所有格式中统计上无显著差异。
- 相较基线的优势:
- 滚动叙事在主观体验指标上优于文本,并在理解准确率和完成时间上与文本持平。
- 未结合叙事引导的交互式可视化需要更多时间,但未能提升理解力。
- 实验/评估:
- 参与者审阅了两个真实世界隐私政策(OpenAI或TikTok)中的一个,并以五种格式之一进行体验。
- 评估指标包括理解准确率、自信度、主观体验(如参与度、认知负荷)以及前后感知变化。
- 局限性与未来工作:
- 格式×所有者交互的统计效能有限,未直接测试真实世界决策影响。
- 未来研究应探索被试内比较、移动端适配以及行为结果(如隐私设置的变化)。
总结
本文提出滚动叙事作为一种呈现隐私政策的新颖格式,将叙事节奏与视觉解释相结合,以增强用户参与度和理解力。在一项有454名参与者的研究中,滚动叙事在理解力上与其他格式持平或优于其他格式,并在主观体验上显著优于纯文本。尽管理解力提升有限,滚动叙事展现了作为隐私沟通实用且吸引人的替代方案的潜力。未来工作应关注其可扩展性、真实世界部署以及行为影响。
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。
当前问题库还没有收录这篇论文的问题与痛点。
- 67%
切换按钮、美元符号和三角形:如何(不)有效地传达隐私选择
CHI '21· 隐私设计与用户控制 +1
- 67%
金钱让世界运转:从开发者的角度识别儿童应用中更好隐私保护的障碍
CHI '21· 隐私设计与用户控制 +1
- 67%
隐蔽的具身选择:生物特征监视下的决策与隐私的限度
CHI '21· 隐私设计与用户控制 +1
- 67%
自动化情境隐私策略:设计和评估用于数字消费者隐私意识的生产工具
CHI '22· 隐私设计与用户控制 +1
- 67%
谷歌背景下信任与隐私控制采纳的微妙性质
CHI '23· 隐私设计与用户控制 +1
- 67%
云中的多用户隐私和安全冲突
CHI '23· 隐私设计与用户控制 +1
- 67%
《用户的隐私对我们来说是最重要的》:经期和生育跟踪应用程序公司如何应对罗伊诉韦德案的推翻的 discourse analysis
CHI '24· 隐私设计与用户控制 +1
- 67%
设备外隐私揭秘:设计和验证设备外隐私量表(ODPS)
CHI '24· 隐私设计与用户控制 +1
- 67%
Disconnecting:面向个人数据轨迹的符号学框架
DIS '20· 隐私设计与用户控制 +1
- 67%
激励用户关注隐私:理论驱动的设计研究
DIS '24· 隐私设计与用户控制 +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/10.1145/3772318.3790704
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
隐私设计与用户控制、数据隐私感知与决策、数据故事讲述(Data Storytelling)
work
职业/产业
隐私政策制定者、UI/UX 设计师、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文