个人行为数据生态系统的发展
隐私设计与用户控制环境感知与上下文计算AI/ML 研究员与工程师HCI 研究员
每天,人们都会生成大量的个人数据。随着在线服务的使用增加以及智能手机的广泛采用(68%的美国居民拥有智能手机;Anderson, 2015),个人数据呈现出多种形式,包括通信(例如,电子邮件,短信,Facebook),计划和协调(例如,日历,TripIt,待办事项列表),娱乐消费(例如,YouTube,Spotify,Netflix),财务(例如,银行,亚马逊,eBay),活动(例如,步数,跑步,签到),甚至医疗保健(例如,医生访问,药物,心率)。总体而言,这些数据提供了对个人的高度详细描述。个人数据为许多新的应用程序提供了机会,这些应用程序可以通过深度个性化,管理个人福祉的工具以及支持身份构建的服务来改善人们的生活。然而,由于数据在服务之间的碎片化,开发者在处理个人数据时遇到了挑战。本文评估了个人数据的现状,包括导致当前数据碎片化的系统性力量以及将来自不同服务的数据集成到应用程序中的过程。它详细说明了碎片化生态系统带来的挑战。最后,它贡献了Phenom,这是一个实验系统,解决了这些挑战,使开发访问个人数据的应用程序变得更加容易,并为用户提供对其数据使用方式的更大控制。
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。
- 60%
不要只是告诉我,问我:将解释作为问题来智能构建的AI系统可以提高人类逻辑辨别准确性,超过因果AI解释
CHI '23· 可解释人工智能(XAI) +1
- 60%
DiaryHelper:探索自动情境信息记录代理在激发日记研究中的应用
CHI '24· 隐私设计与用户控制 +2
- 60%
锚定偏差影响可解释人工智能系统中心智模型形成与用户依赖
IUI '21· 可解释人工智能(XAI) +1
- 60%
基于动态贝叶斯网络的多模态上下文感知交互框架
IUI '25· 环境感知与上下文计算 +1
- 60%
RFBoost:通过物理数据增强理解并提升深度WiFi感知性能
UbiComp '24· 环境感知与上下文计算 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
隐私设计与用户控制、环境感知与上下文计算
work
职业/产业
AI/ML 研究员与工程师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
5 篇相关论文