Navigating Privacy Concerns: Social Media Users' Perspectives on Data Sharing
Notice bibliographique
Résumé
This study aims to explore social media users' perspectives on privacy concerns and data sharing, identifying the major themes that encapsulate their experiences and attitudes towards online privacy and the strategies they employ to protect their personal information. A qualitative research design was employed, involving semi-structured interviews with 23 social media users from diverse demographic backgrounds. Thematic analysis was used to analyze the interview transcripts, focusing on identifying and interpreting patterns related to privacy concerns and protective behaviors. The analysis revealed five major themes: Understanding of Privacy, Attitudes Towards Data Sharing, Privacy Management Strategies, Impact of Social Media on Privacy, and Future Perspectives on Privacy. Each theme comprised several categories and concepts, including Definitions of Privacy, Privacy Awareness, Willingness to Share, Risks and Benefits, Use of Privacy Settings, Information Disclosure, Avoidance Behaviors, Perceived Threats, Changes in Behavior, Desired Changes, Predictions about Privacy, and User Empowerment. The study highlights the complex and multifaceted nature of social media users' privacy concerns and the strategies they adopt to navigate these challenges. It underscores the importance of developing more intuitive privacy controls and the need for ongoing education on privacy management. The findings also suggest a call for social media platforms and policymakers to consider users' diverse needs and concerns in the development of privacy protection measures.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».