The Effect of Dark Patterns and User Knowledge on User Experience and Decision-Making
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dark patterns, aka deceptive designs, have become prevalent in the online environment. In this paper, we examined how dark patterns and knowledge of them impact user experience, decision-making, and vendor reputation using the purchase of a subscription plan on a hypothetical streaming website as proof of concept. We conducted a between-subjects study to examine the effect of two common dark patterns (confirmshaming and trick-question) compared against a control condition. Overall, users perceived both patterns as manipulative. However, this negative perception did not negatively impact the website’s perceived ease of use, trustworthiness and credibility. We found that users without knowledge of dark patterns were more likely to be persuaded by confirmshaming when making purchase decisions. In the confirmshaming condition, 68% of those without knowledge of dark patterns chose the expensive plan intended by the vendor over the cheap plan. The reverse is the case among those with knowledge of dark patterns: only 35% of them chose the expensive plan. This finding indicates that once users become aware of being manipulated, they are likely to go against the promoted choice, as 40% of knowledgeable users in the trick-question condition edited their initial choice, compared with 11% and 6% in the confirmshaming and control conditions, respectively. The findings highlight the need to raise awareness about dark patterns so that unsuspecting users are less likely to make decisions that are not in their best interest.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 découle