Dark Patterns in Shopping, Education & Health Apps
Notice bibliographique
Résumé
Dark patterns are deceptive or manipulative design techniques in technology. They pose challenges for policymakers because they impact user autonomy and financial well-being. However, the lack of quantifiability of dark patterns complicates regulation efforts, and much of the existing research remains theoretical, lacking practical application. This study aims to address these gaps by identifying and quantifying various types of dark patterns in day-to-day software applications across different domains, namely shopping, health and fitness, and education. Drawing from the conceptual framework outlined in previous research, the top three apps in Canada within each application domain were selected for analysis. By identifying dark patterns and assessing the attributes of the identified dark patterns, each app was assigned a darkness score. The findings revealed that Temu, Yuka-Food & Cosmetic Scanner, and Duolingo reported the highest darkness scores within their respective categories, with scores of $7.5,5$, and 6.5, respectively. Furthermore, the shopping category exhibited the highest mean darkness scores, indicating a greater prevalence of dark patterns in this domain. Across all categories, the modification of decision space emerged as the most commonly influenced choice architecture. This study contributes to a deeper understanding of where regulatory efforts should be focused in addressing dark patterns in applications. It also sheds light on the nature of different types of dark patterns, their utilization across various domains, and the similarities and differences in their implementation. Moreover, by quantifying darkness in applications, this research underscores the importance of quantifiability in the evaluation of dark patterns, providing valuable insights for policymakers, researchers, and practitioners.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».