MétaCan
Menu
Retour à la cohorte
Enregistrement W4312628041 · doi:10.1177/1071181322661484

How Well Do Privacy-Protective Behaviours Age? The Prevalence of Privacy Heuristics Among Older Adults

2022· article· en· W4312628041 sur OpenAlexaff
Alyssa Iglar, Mark Chignell

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePrivacy, Security, and Data Protection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHeuristicsCognitionDiscountingPsychologyInternet privacyCompromiseCognitive agingCognitive biasComputer scienceBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

Digital technology adoption and engagement is increasing amongst older adults, prompting concerns regarding their privacy-related behaviour while engaging with these technologies. The use of cognitive biases and heuristics may help explain why older adults, and some younger people as well, make decisions that compromise their privacy in digital contexts. A literature review was carried out to assess the use of cognitive biases and heuristics by older adults when deciding whether to adopt, and while using, digital technologies. Tools are needed that guide users away from mental shortcuts such as hyperbolic discounting, anchoring, and shortcut decisions based on trust and that promote privacy protection. In addition to reviewing current literature on the use of privacy-related biases and heuristics amongst older adults, we also present possible future research directions on this topic.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,146
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0000,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,247
Écart entre enseignants0,230 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetPrivacy, Security, and Data ProtectionTravaux en français237 207