Att bara ge användarna en aning om att de kan uppdatera sina sekretessrekommendationer kan ge dem ett lyft i sin känsla av kontroll - och får dem att tro att rekommendationerna är bättre, enligt forskare. Upphovsman:Pennsylvania State University
När människor ser att de kan styra sina sekretessinställningar på webbplatser och appar som erbjuder underhållning eller produktrekommendationer, de tenderar att lita mer på dessa webbplatser, enligt forskare.
I en studie, en mock-up av ett online filmrekommendationssystem som bara föreslog att användare kunde anpassa sekretessinställningar tenderade att öka sin känsla av kontroll, vilket underlättade deras integritet oro för webbplatsen. Deltagarna behövde inte fysiskt göra dessa justeringar för att känna den känslan av kontroll, sade S. Shyam Sundar, James P. Jimirro Professor i mediaeffekter, meddirektör för Media Effects Research Laboratory i Donald P. Bellisario College of Communications och dotterbolag till Penn State's Institute for CyberScience (ICS).
"Denna ledtråd, sig, är faktiskt ganska kraftfull för att ge en känsla av kontroll och minska privatlivets oro, sa Sundar.
Deltagarna indikerade också att de kunde justera sina sekretessinställningar vilket gjorde dem mer villiga att avslöja mer personlig information.
Online rekommendationssystem tar vanligtvis en av två metoder för att tillhandahålla unika, skräddarsydda alternativ för användaren:personligt, även känd som systemplockad, eller skräddarsydda, där användaren gör valet, enligt Sundar, som arbetade med Bo Zhang, tidigare doktorand i masskommunikation vid Penn State och för närvarande forskare på användarupplevelse på Facebook.
Zhang sa att båda alternativen erbjuder användarna fördelar och nackdelar. Till exempel, personliga rekommendationer kräver liten ansträngning från användaren, men eftersom rekommendationerna kräver spårning av en användares val, det kan få användare att känna att deras integritet kränks. Å andra sidan, anpassning kan vara betungande, kräver ständig uppmärksamhet, samt åtgärder för att aktivt göra val hela tiden. Detta har lett utvecklare att skapa två typer av anpassningsmodeller:proaktiva och reaktiva. Proaktiv personalisering genererar rekommendationer automatiskt, medan ett system med reaktiv personalisering söker användarens samtycke innan det levererar rekommendationer.
"Det visar sig att den här typen av anpassning har sina problem, för, "sa Sundar." Proaktiv personalisering kan kännas mer påträngande, medan reaktiv personalisering kan överbelasta användaren med meddelanden och förfrågningar. "
Studiedeltagare bedömde filmrekommendationerna som högre kvalitet när de levererades till dem via proaktiv personalisering, men de uttryckte högre integritetshänsyn än deltagare som fick samma filmrekommendationer via reaktiv personalisering.
"Det vi frågade var:Finns det ett sätt att minimera människors irritation över denna proaktiva personalisering utan att alltid behöva tillgripa reaktiv personalisering?" Sa Zhang. "Finns det en mellanväg, Så att, innan du ens börjar använda appen, du kan enkelt anpassa dina sekretessinställningar på hela webbplatsen, eller globalt? "
Forskarna, som rapporterar sina resultat i ett kommande nummer av International Journal of Human-Computer Studies, sa att deltagare som tidigare upplevt kränkningar av integriteten visade högre oro för både reaktiv och proaktiv personalisering. De ville också ha större kontroll när det gäller att hantera sin integritet.
"För dessa människor, det gör en verklig skillnad att aktivt anpassa sig istället för att bara veta att sekretessanpassningsalternativ finns, "sa Sundar." Men, för användare utan tidigare erfarenhet av integritetsbrott, Att helt enkelt tillhandahålla anpassningstecken på gränssnittet hade samma effekt som att agera på anpassningsalternativ. "
Även om dessa ledtrådar kan användas etiskt av företag som vill förbättra användarupplevelsen, Sundar sa att människor borde vara medvetna om att skadliga organisationer kan utnyttja fördomar för att sänka en persons vakt för att extrahera personuppgifter.
För studien, forskarna rekryterade 326 personer för att granska en hånlig Bollywood -filmrekommendationssajt på nätet som heter Bollybox. Deltagarna rekryterades genom Amazon Mechanical Turk, en online crowdsourcing -webbplats som ofta används i studier. Av de 326 initiala deltagarna 299 slutförde så småningom studien.
Deltagarna fyllde i ett förprovade frågeformulär som sökte demografisk information, samt uppmätta egenskaper, inklusive ämnenas tekniska expertis, intresse för filmer och attityder till integritet online. Frågeformuläret undersökte också om deltagaren någonsin hade kränkt sin integritet.
Ämnena tilldelades slumpmässigt till ett av de experimentella förhållandena som testade anpassning och reaktiv och proaktiv personalisering. Anpassningsvillkoret hade tre nivåer:en version utan aning om att sekretessinställningar kan ändras; en version med en lista över åtgärder för sekretessinställning; och ett cue -villkor som bara visade att det finns sekretessinställningar. Förutom sidan för sekretessinställningar, webbplatsens mockup hade en "Om" -sida och en rekommendationssida, där den gav rekommendationer antingen proaktivt eller efter att ha sökt användarinmatning och samtycke.
Medan denna studie fokuserade på hur sekretessinställningar påverkade användare på webbplatser för filmrekommendationer online, framtida forskning skulle kunna titta på rekommendationssystem för andra innehållstyper och tjänster.