将数据脱离上下文以实现广告的超个性化:众包工作者对隐私的看法及披露私人信息的决定

荣誉提名
隐私设计与用户控制数据隐私感知与决策暗黑模式(Dark Patterns)识别消费者与购物者Amazon Mechanical Turk 工作者

数据经纪人和广告商越来越多地在一个情境中收集数据,然后在另一个情境中使用它。当用户遇到其数据被滥用时,他们是否会随后披露更少的信息?我们报告了对25名现场参与者和280名在线参与者的人类受试者实验。首先,参与者在分散注意力的问题中提供了个人信息。一周后,在参与者完成另一份调查时,他们收到了看似与研究无关的机器人短信或在线横幅广告。一半的参与者收到了包含其姓名、伴侣姓名、首选菜肴和位置的个性化广告;其他人则收到了通用广告。我们测量了参与者随后选择回答的43个潜在侵入性问题中有多少。参与者对个性化广告做出了负面反应,但准确回答了几乎所有侵入性问题。我们根据隐私悖论、情境完整性以及众包平台中的权力动态来解析我们的结果。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/32048/2020

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376415
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
荣誉提名
group
作者
6 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
消费者与购物者、Amazon Mechanical Turk 工作者
article
内容状态
仅摘要
hub
相关论文
3 篇相关论文