Notice bibliographique
Résumé
Problem definition: We study customer-centric privacy management in service systems. Academic/practical relevance: We explore the consequences of extended control over personal information by customers in such systems. Methodology: We adopt a stylized queueing model to capture a service environment that features a service provider and customers who are strategic in deciding whether to disclose personal information to the service provider—that is, customers’ privacy or information disclosure strategy. A customer’s service request can be one of two types, which affects service time but is unknown when customers commit to a privacy strategy. The service provider can discriminate among customers based on their disclosed information by offering different priorities. Results: Our analysis reveals that, when given control over their personal data, strategic customers do not always choose to withhold them. We find that control over information gives customers a tool they can use to hedge against the service provider’s will, which might not be aligned with the interests of customers. More importantly, we find that under certain conditions, giving customers full control over information (e.g., by introducing a privacy regulation) may not only distort already efficiently operating service system but might also backfire by leading to inferior system performance (i.e., longer average wait time), and it can hurt customers themselves. We demonstrate how a regulator can correct information disclosure inefficiencies through monetary incentives to customers and show that providing such incentives makes economic sense in some scenarios. Finally, the service provider itself can benefit from customers being in control of their personal information by enticing more customers joining the service. Managerial implications: Our findings yield insights into how customers’ individually rational actions concerning information disclosure (e.g., granted by a privacy regulation) can lead to market inefficiencies in the form of longer wait times for services. We provide actionable prescriptions, for both service providers and regulators, that can guide their choices of a privacy and information management approach based on giving customers the option of controlling their personal information.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».