影响还是欺骗?评估安全与隐私设置中带有说服性声明的社交建议

隐私设计与用户控制数据隐私感知与决策暗黑模式(Dark Patterns)识别UI/UX 设计师AI/ML 研究员与工程师隐私政策制定者

文献标题

Influence or Deception? Evaluating Social Suggestions with Persuasive Statements for Security and Privacy Settings

出版信息

  • 主题领域: 社会和权威性建议结合劝说性陈述对用户在安全与隐私设置中的决策影响。
  • 关键词: 安全与隐私设置,劝说性设计,社会认同,权威性建议,欺骗性模式,用户决策,透明性,伦理设计,精细可能性模型(Elaboration Likelihood Model),用户抗干扰能力。

背景与问题

  • 问题/挑战: 配置安全与隐私(S&P)设置对非专业用户来说认知负担较重。基于社会认同或权威性的建议可以帮助用户,但也可能被利用为欺骗性模式,引导用户选择较低保护性的设置。
  • 重要性: 误导性的S&P建议可能会损害用户自主权和隐私,在数字环境中引发伦理问题和实际风险。
  • 动机与相关研究: 先前研究分别探讨了社会认同、权威性建议和劝说性陈述的影响,但它们在欺骗性上下文中的联合效果尚未充分研究。本研究通过分析这些技术如何影响用户决策以及在欺骗性被揭示后用户的感知来填补这一空白。

解决方案

  • 提出的方法: 使用2 × 2 × 2因子设计的实证研究,调查建议来源(公众 vs. 专家)、劝说性陈述(有 vs. 无)和建议目的(诚实 vs. 欺骗)对用户在S&P设置中的决策的联合影响。
  • 创新点:
    1. 分析社会认同、权威性建议和劝说性陈述在诚实和欺骗性上下文中的联合效果。
    2. 检验用户在欺骗性建议被揭示后对其的评价。
    3. 基于精细可能性模型(ELM)对劝说机制进行实证解释。
    4. 提出透明和伦理的S&P界面设计建议。
  • 过程与关键技术:
    • 进行了一项包含1,433名美国参与者的在线调查。
    • 参与者在不同实验条件下为一个虚构的社交媒体服务配置13个S&P设置。
    • 建议被框定为来自“公众”或“专家”,并伴随或不伴随劝说性陈述,且建议为诚实或欺骗性。
    • 参与者在事后评价建议的帮助程度及其可接受性。

结果

  • 具体发现:
    • 诚实建议结合劝说性陈述显著提高了遵从率(例如,专家-诚实-陈述条件下的遵从率为83.40%,而对照组为60.18%)。
    • 欺骗性建议降低了遵从率,但劝说性陈述部分缓解了这一影响(例如,专家-欺骗-陈述条件下的遵从率为68.83%)。
    • 感知帮助程度与遵从率强相关,专家框定的建议被评价为比公众框定的建议更有帮助。
  • 相较基线的优势:
    • 专家建议比公众建议影响更大(例如,专家-诚实条件的遵从率比对照组高18.95%)。
    • 劝说性陈述增强了诚实和欺骗性建议的影响。
  • 实验/评估:
    • 采用2 × 2 × 2因子设计,包括八个实验组和一个对照组。
    • 评估指标包括遵从率、感知帮助程度和可接受性评分。
    • 通过逻辑回归分析识别建议来源、劝说性陈述和欺骗的显著影响。
  • 局限性与未来工作:
    • 由于使用虚构平台,生态效度有限。
    • 缺乏关于参与者决策过程的定性洞察。
    • 结果可能无法跨文化推广;未来研究应探讨跨文化差异。
    • 需要研究劝说技术的长期效果及其与默认设置的交互作用。

总结

本研究探讨了社会认同和权威性建议结合劝说性陈述在诚实和欺骗性条件下如何影响用户在安全与隐私设置中的决策。研究发现,劝说性陈述增强了建议的遵从率,即使在欺骗性条件下也是如此,而专家框定的建议被认为比公众框定的建议更有帮助。然而,参与者一致认为欺骗性实践不可接受。研究强调了透明和合理的S&P界面设计的重要性,并建议通过用户教育增强对操控性设计的抵抗力。未来研究应进一步探讨劝说技术的跨文化适用性及其长期效果。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/222439/2026

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3791384
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
3 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、暗黑模式(Dark Patterns)识别
work
职业/产业
UI/UX 设计师、AI/ML 研究员与工程师、隐私政策制定者
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文