MétaCan
Menu
Retour à la cohorte
Enregistrement W4384696689 · doi:10.22215/etd/2023-15624

Understanding Mental Models of Password Managers

2023· dissertation· en· W4384696689 sur OpenAlexaff
Svetlana Dobrynina

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueUser Authentication and Security Systems
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPasswordCognitive passwordComputer sciencePassword strengthPassword policyComputer securityInternet privacyWorld Wide WebOne-time password

Résumé

récupéré en direct d'OpenAlex

Password managers are tools that create and store passwords, and are widely viewed as a secure and convenient password management strategy.However, these tools are under-adopted.This research investigates users' mental models of password managers and aims to understand their motivations for adopting these tools.We conducted an online survey with 197 participants and an interview study with 21 participants, who were divided into three groups: users of dedicated password managers, users of browser-based managers, and non-users.Participants' password management approaches ranged from relying on default options, such as saving passwords in web browsers, to deliberate decisions to break with previous habits, such as adopting dedicated programs.Our thematic analysis showed that users' adoption of password managers is influenced by their understanding of online security.We suggest that increasing the transparency of password manager properties to users and leveraging their trust in smartphones could induce effective adoption of password managers.I also want to express my gratitude to Sonia Chiasson for her high-level expertise and thoughtful insights, which helped me broaden my understanding of the discipline.I am honored to have had the privilege of working under the supervision of the two great professors who have enriched my academic experience.

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)0,008
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,006
Communication savante0,0080,009
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,148
Tête enseignante GPT0,295
Écart entre enseignants0,147 · 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'étudeQualitatif
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUser Authentication and Security SystemsTravaux en français237 207