DARK PATTERNS AND PEDAGOGY: EXPANDING SCHOLARSHIP AND CURRICULUM ON MANIPULATIVE MARKETING PRACTICES
Notice bibliographique
Résumé
This conference paper addresses gaps in scholarship and pedagogy surrounding the phenomenon of “dark patterns” in digital marketing and interface design by showcasing three curriculum-building projects. Dark patterns refer to a set of design strategies that co-opt the human-centred values advocated for in the fields of user experience (UX) design and human-computer interaction (HCI) to manipulate users into taking actions contrary to their personal interests. Recent dark patterns research has clustered within the fields of HCI, media studies, and game studies, with a focus on e-commerce and online gambling platforms. The presented projects put this established research into conversation with scholarship from business and marketing, science and technology studies, cognitive neuroscience, and disability studies to both create a more holistic definition of dark patterns and implement this expanded definition into university course curricula. These include $2 , focused on contextualizing dark patterns within historical market segmentation and merchandising strategies; $2 , on broadening the definition of dark patterns to include non-screen interfaces; and $2 , on analyzing how dark patterns have a disproportionate effect on individuals with certain cognitive disabilities. Collectively, these projects aimed to grant a greater historicity and social context to the phenomenon of dark patterns and introduce them as a utilizable pedagogical concept within the disciplines of communications, technology, and design. The findings of these projects are presented through the sharing of pedagogical materials, informal and formal feedback, and planned curriculum revisions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».