MétaCan
Menu
Retour à la cohorte
Enregistrement W4310267042 · doi:10.1016/j.techsoc.2022.102180

Parental perception of children's privacy in smart toys in countries of different economic levels

2022· article· en· W4310267042 sur OpenAlexaff
Fernanda Amâncio, Ana Paula Lira de Souza, Marcelo Fantinato, Sarajane Marques Peres, Patrick C. K. Hung, Luis Gustavo Coutinho do Rêgo, Jorge Roa

Notice bibliographique

RevueTechnology in Society · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePrivacy, Security, and Data Protection
Établissements canadiensOntario Tech University
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésIgnorancePerceptionDeveloping countryNewspaperThe InternetBusinessDeveloped countryMarketingInternet privacyAdvertisingPsychologyEconomicsEconomic growthPolitical scienceEnvironmental healthLawMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Smart toys pose potential privacy risks, which may lead to aversion of parents who may choose not to buy them for their children. Magazine and newspaper articles have recently discussed these risks. However, in developing economies, these toys are not yet widely marketed, and hence the result may be different, perhaps due to potential consumer ignorance of new technology. To investigate this scenario, we conducted an empirical study in the form of a survey that was responded by 599 participants from advanced and developing economies. According to the responses, while most participants believe smart toy technology has positive aspects in terms of innovation, most of them also show a high level of concern about children's privacy when using such smart toys. The main concern is the need for parental control when a child is playing with a smart toy with internet access. Overall, the negative perception is higher among participants from advanced economies. The countries that most contributed participants to this survey were Brazil and Argentina (developing economies) and the USA and Canada (advanced economies).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,283
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueTechnology in SocietyMême sujetPrivacy, Security, and Data ProtectionTravaux en français237 207