Autoren:  (1) Reza Ghaiumy Anaraky, New York University;  (2) Byron Lowens;  (3) Yao Li;  (4) Kaileigh A. Byrne;  (5) Marten Risius;  (6) Xinru-Seite;  (7) Pamela Wisniewski;  (8) Masoumeh Soleimani;  (9) Morteza Soltani;  (10) Bart Knijnenburg.  Linktabelle   Zusammenfassung und Einführung   Hintergrund   Forschungsrahmen   Methoden   Ergebnisse   Diskussion   Einschränkungen und zukünftige Arbeit   Fazit & Referenzen   Anhang  Abstrakt  Online-Websites verwenden häufig Dark Patterns, um die Offenlegung von Informationen durch Benutzer zu erhöhen. Zu den gängigen Beispielen gehören „Opt-out“-Datenschutzvorgaben, positives Framing und positive Begründungsbotschaften, die das Offenlegungsverhalten fördern. In Anbetracht der Tatsache, dass frühere Untersuchungen ergeben haben, dass ältere Benutzer einen anderen Entscheidungsprozess zum Datenschutz durchlaufen als jüngere Erwachsene, sind weitere Untersuchungen erforderlich, um die verhaltensbezogenen Auswirkungen dieser Strategien auf die Offenlegung von Datenschutz für verschiedene Altersgruppen zu ermitteln. Um diese Lücke zu schließen, haben wir einen vorhandenen Datensatz eines Experiments mit einer Facebook-Anwendung zum Markieren von Fotos verwendet. Bei diesem Experiment handelte es sich um ein 2x2x5-Zwischen-Subjekt-Design, bei dem es sich bei den Manipulationen um gängige Dark-Pattern-Designstrategien handelte: Framing (positiv vs. negativ), Datenschutzvorgaben (Opt-in vs. Opt-out) und Begründungsbotschaften (positiv normativ, negativ normativ, positive Begründung, negative Begründung, keine). Wir haben die Datenschutzbedenken und das Offenlegungsverhalten älterer (über 65 Jahre, N=44) und junger Erwachsener (18 bis 25 Jahre, N=162) im Rahmen des Dark-Pattern-Designs verglichen. Insgesamt finden wir Unterstützung für die Wirksamkeit von Dark-Pattern-Designs in dem Sinne, dass positive Framing- und Opt-out-Datenschutzvorgaben das Offenlegungsverhalten deutlich steigerten, während negative Begründungsbotschaften die Datenschutzbedenken deutlich verringerten. In Bezug auf ältere Erwachsene zeigen unsere Ergebnisse, dass bestimmte dunkle Muster zwar zu mehr Offenlegung führen als bei jüngeren Erwachsenen, aber auch zu größeren Bedenken hinsichtlich der Privatsphäre bei älteren Erwachsenen als bei jüngeren. Allerdings hatten diese Bedenken keinen Einfluss auf die Offenlegung, vielmehr werden sie durch die Geheimhaltungseffekte von Dark Patterns aufgewogen. Dies deutet darauf hin, dass Datenschutzbedenken möglicherweise nicht ausreichen, um Einzelpersonen dazu zu bewegen, Maßnahmen zum Schutz ihrer Privatsphäre zu ergreifen, wenn dunkle Muster vorhanden sind, und dass solche Muster für ältere Benutzer möglicherweise noch gefährlicher sind. Wir diskutieren die Implikationen dieser Arbeit.  Schlüsselwörter: Datenschutzentscheidungen, ältere Erwachsene  1. Einleitung  Die Literatur zur Mensch-Computer-Interaktion (HCI) und zum vernetzten Datenschutz präsentiert überwiegend eine defizitbasierte Darstellung der Technologienutzung und der Datenschutzergebnisse älterer Erwachsener. Diese Erzählung stellt ältere Erwachsene als Personen dar, die im Vergleich zu jungen Erwachsenen Schwierigkeiten haben, mit der Technologie Schritt zu halten [82], ihre digitale Privatsphäre zu verwalten [14, 64] und sich vor Datenschutzbedrohungen zu schützen [86]. Jüngste Entwicklungen in den Bereichen HCI und Datenschutz wirken diesem defizitbasierten Narrativ jedoch entgegen, indem sie darauf hinweisen, dass ältere Erwachsene möglicherweise einen anderen als einen suboptimalen Entscheidungsprozess haben und dass Technologien unter Berücksichtigung dieser Tatsache entwickelt werden sollten [3]. , 23]. (Dieser Ansatz beinhaltet die Berücksichtigung der potenziellen Vorteile biometrischer Authentifizierungsmethoden, die älteren Erwachsenen einen benutzerfreundlicheren und sichereren Zugang zu digitalen Diensten bieten können [50].) Beispielsweise argumentieren Knowles und Hanson [42], dass ältere Erwachsene dies nicht tun -Der Einsatz von Technologie ist auf ein hohes Maß an Datenschutzbedenken zurückzuführen und daher ist die Nichtnutzung eine wohlinformierte Entscheidung. Darüber hinaus haben Anaraky et al. [3] verglichen die Entscheidungsprozesse bei der Offenlegung der Privatsphäre junger und älterer Erwachsener und stellten fest, dass ältere Erwachsene kalkuliertere Entscheidungen zum Datenschutz treffen als jüngere Erwachsene.  Entscheidungen zur Offenlegung der Privatsphäre hängen jedoch nicht immer von den Eigenschaften des Endnutzers ab und können durch externe Manipulationen beeinflusst werden. Systemdesigner können Designheuristiken verwenden, um Benutzer zur Offenlegung ihrer Daten zu bewegen [4, 30, 32, 43, 58]. In der Marketing- und E-Commerce-Forschung ist die Maximierung der Offenlegung ein Ziel, das zur Entwicklung von „Dark Pattern“-Designs geführt hat, bei denen Nudges als Designinterventionen eingesetzt werden, um die Offenlegung zu erhöhen [12]. Beispielsweise können Designer eine Einstellung so konfigurieren, dass die Offenlegung standardmäßig erfolgt (Optout) und bei der Präsentation von Auswahloptionen eine voreingenommene positive Formulierung präsentiert wird [25, 53, 54] oder überzeugende Nachrichten hinzufügen, um Benutzer zu motivieren, mehr Informationen offenzulegen [40].  Angesichts der Tatsache, dass ältere Erwachsene nachweislich einen ganz anderen Entscheidungsprozess zum Datenschutz haben als junge Erwachsene, haben wir einen vorhandenen Datensatz von Ghaiumy Anaraky et al. verwendet. [4] um die Auswirkung von Dark-Pattern-Design auf die Privatsphäre-Einstellungen und -Verhalten älterer und jüngerer Erwachsener zu untersuchen. Ghaiumy Anaraky et al.  [4] nutzten diesen Datensatz zunächst, um den Einfluss von Begründungsnachrichten (als Normen) auf die Compliance-induzierenden Effekte von Framing und Standardvorgaben zu untersuchen. Sie fanden heraus, dass das Vorhandensein von Rechtfertigungsmeldungen den Standardeffekt erhöht. (Darüber hinaus verbessert die Sicherstellung, dass persönliche und vertrauliche Daten angemessen klassifiziert werden, nicht nur die Datenverwaltung, sondern schützt auch die Datenschutzrechte des Einzelnen [75].) In der vorliegenden Arbeit entwickeln wir Konzepte Framing-, Standard- und Begründungsbotschaften als Dark-Pattern-Design-Strategien und verorten diese Arbeit in der Dark-Pattern-Design-Literatur. Wir tragen außerdem zur Datenschutzliteratur bei, indem wir untersuchen, wie diese Designmuster ältere und junge Erwachsene unterschiedlich beeinflussen. Daher gehen wir folgenden Forschungsfragen nach:     RQ1: Welche Auswirkungen haben dunkle Musterdesigns auf die Einstellungen und Verhaltensweisen der Benutzer?     RQ2: Wie reagieren ältere Erwachsene hinsichtlich ihrer Einstellungen und Verhaltensweisen anders auf dunkle Musterentwürfe als junge Erwachsene?  Um die Datenschutz-Entscheidungsmechanismen von Einzelpersonen im Kontext von Dark-Pattern-Designs zu untersuchen, verwendeten wir einen vorhandenen Datensatz eines Experiments, bei dem sich die Teilnehmer angeblich automatisch auf den Fotos ihrer Freunde markieren konnten und ihre Freunde mithilfe von auf den eigenen Fotos des Benutzers markiert werden konnten eine Facebook-Anwendung. Frühere Literaturstudien kennzeichnen Entscheidungen als Datenschutzentscheidungen [9, 49, 85, 95]. Markierte Fotos werden auf der Timeline der getaggten Person angezeigt, wodurch die Person auf dem Foto eindeutig identifiziert und das Foto mit den Kontakten dieser Person geteilt wird. Die Studie umfasste ein 2x2x5 experimentelles Design zwischen Subjekten, bei dem die Manipulationen drei gängige Mittel waren, mit denen Dark-Pattern-Designs Offenlegungen fördern [12]: 1) die Formulierung der Entscheidung (z. B. „markiere mich auf den Fotos“ vs. „markiere mich nicht auf den Fotos“) die Fotos“), 2) die Standardeinstellung (d. h. Opt-out vs. Opt-in) und 3) die Verwendung einer Begründungsnachricht (eine Nachricht, die Benutzer entweder dazu ermutigen oder davon abhalten könnte, die Anwendung zu verwenden). Nach ihrer Interaktion mit den manipulierten Dark-Pattern-Designs gaben die Teilnehmer ihre Datenschutzbedenken [40, 48] und ihre Tagging-Entscheidung (Akzeptieren des Markierens vs. Verweigern des Markierens) als einstellungs- und verhaltensabhängige Variablen an. Um einen Vergleich zwischen älteren und jüngeren Teilnehmern zu ermöglichen, folgten wir etablierten Alterskriterien in der Literatur: Wir betrachteten Personen ab 65 Jahren als ältere Erwachsene [15] und beschränkten unsere Stichprobe junger Erwachsener auf Erwachsene im College-Alter zwischen 18 und 25 Jahren Alter [60, 62].    : Diese Studie war einzigartig, da sie in einem ökologisch validen Setting auf dem eigenen Facebook-Konto des Nutzers durchgeführt wurde. Unsere Ergebnisse zeigen, dass ältere Erwachsene größere Bedenken hinsichtlich der Privatsphäre hatten, wenn sie mit einer Opt-out-Standardeinstellung konfrontiert wurden, als junge Erwachsene. Wenn es jedoch um tatsächliches Verhalten ging, war trotz dieser Datenschutzbedenken immer noch eine Zunahme der Offenlegung zu beobachten. Darüber hinaus haben wir herausgefunden, dass ältere Erwachsene eher von Framing Nudges beeinflusst werden als junge Erwachsene. Vor dem Hintergrund dieser Erkenntnisse liefern wir Gestaltungsvorschläge zur Unterstützung der Privatsphäre älterer Erwachsener. Beiträge  Dieses Dokument ist   . auf arxiv unter der CC BY-NC-SA 4.0 DEED-Lizenz verfügbar

EScholar Technologies

EScholar

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Download free Tech Leaders Productivity Report!

Ältere und jüngere Erwachsene werden unterschiedlich von dunklen Musterdesigns beeinflusst

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Wir feiern unsere Produktmanagement-Community!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Wir feiern unsere Produktmanagement-Community!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps