对抗传播的应用程序:三大洲与COVID-19相关的智能手机应用程序的隐私影响和用户接受度
作者
隐私设计与用户控制数据隐私感知与决策物联网设备隐私医生、护士、临床医生律师与法律研究员隐私政策制定者
文献标题
Apps Against the Spread: Privacy Implications and User Acceptance of COVID-19-Related Smartphone Apps on Three Continents
文献信息
- 主题领域: 隐私保护与用户行为研究,特别是针对COVID-19相关智能手机应用的分析
- 关键词: 数字接触追踪, COVID-19, 隐私, 用户接受度, 智能手机应用, 社会影响, 数据保护, 区域差异, 健康应用, 技术接受模型
研究背景与问题
-
作者发现了哪些问题或挑战?
- COVID-19疫情引发了多种智能手机应用的开发,这些应用旨在辅助疾病管理(如接触追踪、症状检查、隔离执行、健康证书等),但其广泛采用存在困难。
- 不同国家的用户对这些应用的隐私、数据处理方式和社会影响的接受度存在显著差异。
- 政府推荐的健康应用的隐私问题引发了公众讨论,尤其是技术故障及数据集中存储等细节。
-
为什么这个问题很重要?
- 智能手机应用的效力往往依赖于广泛的用户采用,了解用户接受度对设计更加安全透明的应用至关重要。
- 疫情提供了独特机会研究全球范围内的隐私偏好与共享行为,以帮助未来设计促进公共利益的大规模健康技术。
-
研究动机与相关工作
- 此研究旨在系统调查中国、德国与美国这三个具有不同隐私文化及疫情发展状况的国家的用户接受度。
- 过去的研究主要集中于接触追踪应用,本研究扩展范围到其他目的的应用并比较国家间的文化差异。
- 作者借助“隐私的情景完整性”(CI)理论为框架,将隐私视作由数据流动的适宜性决定的概念。
解决方案
-
作者提出了哪些方法或解决方案?
- 使用情境模拟设计(vignette design)构建假想的应用场景,涵盖接触追踪、症状检查、隔离执行、信息发布和健康证书五大应用目的。
- 调查了数个数据处理实践因素,包括数据收集类型、用户匿名性、数据接收者、数据传输模式等,分析这些因素与用户接受度间的关系。
-
该解决方案的创新之处是什么?
- 基于具体应用实践设计了情境模拟的因素组合,囊括真实世界的APP功能实现。
- 调查以代表性在线样本为基础,覆盖了不同隐私意识和文化背景的国家。
-
实施步骤是什么?使用了哪些关键技术?
- 系统分析43个已有的政府推荐应用并归纳其数据处理实践。
- 设计调查问卷,包括用户使用智能手机、病毒经历、应用场景评价等模块。
- 对接受度数据进行累积链接模型回归分析,以提取各数据处理因素对用户行为的影响。
研究成果
-
取得了哪些具体成果?
- 在三个国家中,中国用户表现出最高的接受度(尤其对收集个人标识数据的应用),而美国接受度最低。
- 接触追踪应用在所有国家的接受度最高,隔离执行应用接受度最低。
- 社会背景、隐私担忧、数据接收方、技术故障等因素显著影响用户决策。
-
与现有解决方案相比,它有哪些优势?
- 比起局限在西方国家的研究,此研究更具全球视野,能够捕获不同文化下的用户行为。
- 将隐私理论与实际应用实践结合,通过模拟现实场景提供针对具体功能的设计建议。
-
实验或评估结果是什么?
- 技术故障(如应用电池耗尽、错误标记用户等)会显著降低用户接受度。
- 数据收集的透明性及处理方式至关重要,用户对将数据分享给健康机构和科研机构相比其他接收方更为接受。
- 收集较少个人数据、允许手动数据传输及设置明确的数据保留期限等设计会提升接受度。
-
局限性与未来方向
- 局限性:问卷以假设场景为基础,或无法直接反映用户的实际行为;样本在中国更多偏向年轻的在线人口。
- 未来方向:进一步研究用户在真实世界使用健康应用时的行为;设计能在技术故障及隐私限制下持久运行的健康技术。
通过理解用户隐私偏好的复杂性,该研究为未来设计尊重用户隐私,同时促进公共利益的技术提供了宝贵参考。
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。
help
研究问题
3- 在隐私文化和疫情状况各异的中、美、德三国,用户对COVID-19相关智能手机应用程序的接受程度有何异同?分类: 安全隐私风险因素与影响评估同类问题arrow_forward
- 哪些数据处理实践会显著影响用户对COVID-19相关健康应用的接受?分类: 安全隐私风险因素与影响评估同类问题arrow_forward
- 如何设计既能尊重用户隐私又能满足公共健康需求的智能手机应用程序?分类: 安全隐私风险因素与影响评估同类问题arrow_forward
lightbulb
现实痛点
1- 用户担忧隐私问题,导致COVID-19健康应用的普及率不足。分类: 安全隐私风险因素与影响评估同类问题arrow_forward
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/10.1145/3411764.3445517
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
未标记奖项
group
作者
8 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、物联网设备隐私
work
职业/产业
医生、护士、临床医生、律师与法律研究员、隐私政策制定者
article
内容状态
已索引正文
hub
相关论文
3 篇相关论文