切断那连接如此困难:FoMO在用户不情愿的隐私行为中的作用

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

文献标题

“It’s So Difficult to Sever that Connection”: The Role of FoMO in Users’ Reluctant Privacy Behaviours

文献信息

  • 主题领域: 人机交互(HCI)、隐私与社会因素
  • 关键词: 隐私, 缺失恐惧(FoMO), 隐私悖论, 社交媒体, 黑暗模式, 参与犹豫, 深度访谈

研究背景与问题

  • 问题或挑战:

    1. 用户的隐私态度与实际行为间存在显著差异(隐私悖论)。
    2. 用户为何会在不情愿的情况下进行隐私侵害行为,即所谓“参与犹豫”(participatory reluctance)。
    3. 缺失恐惧(Fear of Missing Out, FoMO)如何驱使用户在隐私决策上做出妥协。
  • 重要性: 研究用户行为与隐私设计之间的关系能揭示如何改善社交平台设计,减少隐私侵害行为,同时还能帮助解决当前的系统性隐私设计问题。

  • 研究动机与相关工作:

    1. 现有理论通常归因于用户对隐私风险的教育不足或权衡后的行为选择,忽略平台设计对用户隐私行为的诱导。
    2. FoMO已被广泛证实与社交媒体强相关,但其与设计机制如何驱动隐私行为尚缺乏经验研究。
    3. 社交平台中的“黑暗模式”(暗模式设计)已被证明会显著影响用户行为,但通常限于具体设计层面,未考虑其系统性影响。

解决方案

  • 提出方法: 作者通过运用扎根理论(Grounded Theory)对25名参与者进行深度访谈,寻找FoMO与不情愿隐私行为之间的联系,并构建一个理论框架。

  • 创新之处:

    1. 提出了一个高层次的经验验证理论,阐述FoMO驱动的隐私妥协行为的机制。
    2. 将关注点从单个“黑暗模式”设计扩展到系统性的黑暗基础设施设计。
    3. 强调被动使用社交平台(例如滚动浏览内容)如何推动隐私危害行为,而不仅是用户的主动行为。
  • 实施步骤及关键技术:

    1. 数据收集: 通过问卷筛选和半结构化访谈收集数据,关注用户使用社交平台的习惯和动机。
    2. 分析方法: 在访谈过程中使用开放性编码,对重复出现的主题进行归纳;采用概念图与备忘录书写发展理论。
    3. 理论构建: 提炼出三个参与维度——频率(Frequency)、即时性(Immediacy)和信息量(Volume),剖析隐私妥协行为的循环过程。

研究成果

  • 具体成果:

    1. 找到了FoMO驱动隐私妥协的三个维度:
      • 频率(Frequency): 用户感到需要持续“保持在线”并周期性地参与,以避免被社交圈排斥。
      • 即时性(Immediacy): 平台设计推动用户即时互动和分享,如迟交内容会被认为不合适。
      • 信息量(Volume): 要求用户广泛分享个人信息以建立“权威身份”,数据类型甚至需“对等交换”。
    2. 识别出参与犹豫的8种表现症状(如自我矛盾、道德判断、无奈情绪等)。
  • 优势:

    1. 作者证明FoMO和黑暗设计基础设施的交互作用是推动用户隐私侵害行为的重要因素。
    2. 与现有理论相比,该研究聚焦于“系统性设计”诱导,而非单一设计元素。
  • 实验与评估结果:

    1. 虽未量化分析数据,研究访谈揭示了FoMO用户的大量隐私泄露行为案例。
    2. 理论框架有效解释了参与者无法离开或减少社交平台使用的困境。
  • 局限性与未来方向:

    • 局限性:
      • 数据为自我报告,参与者可能选择性分享或误记行为。
      • 样本中女性比例较高,FoMO较高的参与者不足。
      • 访谈可能会使参与者对隐私问题敏感性提高。
    • 未来方向:
      1. 探索被动行为如何引导隐私侵害行为,区分与主动行为的影响。
      2. 通过纵向研究和实验进一步验证FoMO设计的影响。
      3. 研究其他因素(如性别、年龄、自尊)对FoMO相关行为的影响。

总结

该研究通过扎根理论揭示了FoMO如何通过系统性设计机制迫使用户做出隐私妥协,并提出了一个循环理论以解释这一现象。同时呼吁在设计层面和立法层面做出变革,以保障用户的隐私权利。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/47877/2021

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3411764.3445104
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
荣誉提名
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、暗黑模式(Dark Patterns)识别
work
职业/产业
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文