User Perception of Smart Home Surveillance: An Integrative Review
Notice bibliographique
Résumé
Smart Home Technologies (SHTs) have recently become popular for a variety of purposes, including healthcare, entertainment, and convenience, among others. While SHT manufacturers promise to provide a range of services relating to home security, health and wellness, automated domestic tasks, entertainment, and beyond, user perceptions vary widely in terms of benefits and drawbacks. Moreover, surveillance studies researchers have warned against normalizing technologies that may exacerbate uneven power dynamics between users and household members, marketing companies, insurance brokers, law enforcement, and others. Through an analysis of the interdisciplinary literature stemming from computer science and engineering, gerontology, the social sciences, and related fields, we explore the extent to which these potential risks and related concerns are reflected upon by smart home users. This scoping review aims to explore SHT user perceptions of privacy attitudes, the purposes of smart home surveillance, risks and benefits, and impacts on home safety. Through our review of sixty-eight relevant studies, we found that many smart home users reported satisfaction over perceived benefits such as an increased sense of safety and home security. Many others displayed limited understandings of data collection practices or expressed privacy concerns. Nonetheless, SHT usage prevailed among these users. Others report a perceived trade-off between privacy and other factors, such as convenience, and some may have resorted to privacy cynicism, a coping mechanism for dealing with ubiquitous surveillance. In order to better understand SHT adoption trends despite concerns, exploring the conflict between user perceptions of privacy, understanding of SHT data collection purposes, risks and benefits, and home safety, is essential.
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 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».