自下而上的心理社会干预措施用于相互依赖的隐私:基于个体和内容差异的有效性
作者
数据隐私感知与决策在线骚扰与反制工具虚假信息与事实核查
文献标题
Bottom-up psychosocial interventions for interdependent privacy: Effectiveness based on individual and content differences
文献信息
- 主题领域: 社交媒体隐私保护与用户行为干预
- 关键词: 社会行为改变、互依隐私、社会心理干预、社交媒体、视频教育干预
研究背景与问题
-
问题与挑战:
- 过去的研究主要集中在帮助用户保护自己隐私的技术干预,而针对减少在社交媒体上互依隐私(IDP)侵权行为(如公开他人信息)的干预研究较少。
- IDP 侵权行为可能源于隐私偏好不一致、误解或情绪推动的发布行为,这种行为可能导致心理困扰、骚扰、失业等后果。
- 如今大多数与 IDP 相关的干预措施都是“自上而下”的技术解决方案,这种方法通常局限于特定平台,与“用户为中心”的心理-社会干预相比缺乏可扩展性。
-
研究重要性:
- IDP 侵权问题一个普遍存在但缺乏被系统解决的问题,尤其在社交媒体环境中。
- 存在从心理与社会层面(而非技术层面)主动改变用户分享行为的强烈需求,这将使社区能够利用社会规范与价值观施加影响。
-
研究动机:
- 针对 IDP 的心理-社会干预几乎未被探索,目前有限的非技术性干预,例如隐私提示或视角切换提示,未能明显减少侵权行为,甚至可能适得其反。
- 公共健康和计算机科学领域的干预证据表明,公众信息传播(比如通过视频)在改变社交态度与行为上具有潜在优势。
解决方案
-
提出方法:
- 探讨三类干预视频(概念型、事实型和叙事型)的学习和应用效果,这些视频以不同形式教育用户了解 IDP 并改变其社交媒体上的照片分享行为。
- 各类干预分别呈现:
- 概念型:解释 IDP 的范围和后果(通称 "隐私盗取")。
- 事实型:基于统计数据说明 IDP 现状和后果。
- 叙事型:通过真实案例讲述隐私侵权如何对受害者造成负面影响。
-
创新之处:
- 探讨心理-社会干预中的叙事效用,结合现有概念和事实形成混合型干预。
- 考虑内容与个人特质对干预效果的潜在调节作用,这是首次加入个性与情境差异的 IDP 干预研究。
-
实施技术与步骤:
- 进行随机对照试验,将受试者分为“对照组”、“概念组”、“事实组”及“叙事组”。
- 设计一套量化测量体系,包括问卷调查和社交媒体上的照片分享模拟决策任务。
- 使用混合效应回归模型分析干预对分享行为的影响,进一步测试干预的视频内容及用户个性化特质的调节作用。
研究成果
-
具体成果:
- 概念型和事实型干预减少了消极内容(以负面方式描绘他人的照片)的分享倾向。
- 叙事型干预在认为 IDP 侵权问题不严重的用户中产生了反效果,但在认为问题严重的用户中有效减少负面照片分享。
- 用户对视频干预普遍持积极评价,尤其是要求增加现实故事案例以增强干预效果。
-
现有解决方案的优势:
- 概念干预具有简单且广泛适用的特点,在整体知识教育方面最有效。
- 事实干预能通过具体数据提高用户对问题发生频率与危害性的认知。
- 叙事干预尽管有反作用,但突出了用户希望更多了解现实生活影响的需求。
-
实验或评估结果:
- 所有干预视频均被认为提高了用户对 IDP 的认识,但在修改用户分享行为方面效果各异。
- 用户倾向分享正面内容的照片,但干预视频有效减少了负面照片分享行为。
-
局限性与未来方向:
- 局限性:干预效果仅在短期测试中进行验证;不同视频条件有时长差异;干涉素材主要聚焦照片分享,未覆盖 IDP 的全面范围。
- 未来方向包括:
- 测试更深度、具备高度可视化的叙事视频是否可以缓解传播负面效果。
- 考察实验的长期影响,以及多次反复干预下行为改变的持久性。
- 定制化干预以满足用户个性化需求;探索 IDP 干预与用户社交资本因素之间的交互作用。
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- 哪种类型的视频干预(概念性、事实性或叙事性)对于减少社交媒体上的隐私共享行为最有效?分类: 叙事可视化创作与工作流同类问题arrow_forward
- 视频内容和用户特质如何调节干预效果?分类: 叙事可视化创作与工作流同类问题arrow_forward
- 叙事性干预视频是否能减少隐私偏好低用户的隐私违规行为?分类: 数据共享、平台权利与个人数据控制同类问题arrow_forward
lightbulb
现实痛点
1- 用户在社交媒体上未经同意分享他人隐私内容,可能导致负面后果。分类: 数据共享、平台权利与个人数据控制同类问题arrow_forward
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
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/10.1145/3544548.3581117
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
数据隐私感知与决策、在线骚扰与反制工具、虚假信息与事实核查
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文