Privacy concerns toward AI-based intelligent voice assistants in the workplace
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
Purpose Although privacy issues have been widely examined in relation to workplace technology, this study/paper aims to provide a deeper understanding of privacy from a workplace perspective in the context of AI-based intelligent voice assistants. Design/methodology/approach Given the call for more qualitative-empirical studies to examine AI-based intelligent voice assistants, this study conducted 26 in-depth, semistructured interviews with a range of North American organizations across various sectors and industry types. Guided by a constructionist research paradigm and employing a thematic analysis approach, the study focuses on the subjective experiences and insights of participants regarding the use of digital assistants in the workplace. Findings While AI-based intelligent voice assistants can increase productivity and efficiency, the findings reveal that issues related to worker privacy are a significant area of concern. The perceived omnipresent nature of voice assistants fostered apprehensions regarding the listening to and recording of conversations, particularly personal information (information collection). Concerns were raised regarding information processing, specifically whether data was being used for its intended purpose. Fears were also raised about the unintentional dissemination of information, often due to concerns associated with technical glitches. The findings also reveal the invasive nature of digital assistants and their potential to disrupt an individual’s daily routine and personal space. Originality/value Drawing on Solove’s theoretical underpinnings, particularly the work on privacy, this paper offers a fresh perspective on understanding privacy concerns surrounding AI-based intelligent voice assistants in the workplace.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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