MétaCan
Menu
Retour à la cohorte
Enregistrement W7016132805

Youth Perspectives on Privacy Dark Patterns

2025· article· en· W7016132805 sur OpenAlexaboutno aff

Notice bibliographique

RevueScholarship@Western (Western University) · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePrivacy, Security, and Data Protection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial mediaSalience (neuroscience)Set (abstract data type)Great RiftPersonally identifiable informationFocus groupSocial network (sociolinguistics)Focus (optics)Information privacy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Privacy dark patterns are user interface (UI) design strategies intended to influence users to make choices that reduce their online privacy. This integrated article dissertation documents privacy dark patterns on social networking sites (SNSs) popular with teen users, assesses how teens perceive and respond to these tactics, and critically evaluates the efficacy of privacy regulation across different jurisdictions in protecting individuals from manipulative interface design. Privacy dark patterns on SNSs popular with teens were documented by recording and content-analyzing the process of setting up an account on five sites (Snapchat, TikTok, Instagram, Twitter, and Discord) for evidence of UI design strategies that undermine users’ institutional and/or social privacy. In total, three major types (Obstruction, Obfuscation, and Pressure) and 10 subtypes of privacy dark patterns were identified, including a pattern that has not been documented in prior research (False “Private” Account). Teen perspectives of privacy dark patterns were obtained by holding four virtual focus groups with Canadian teens aged 13-17 (n=38) on the topic of social media design. This study found that teens can identify privacy dark patterns and strategies for resistance when explicitly asked to set up a private social media account for a popular SNS (TikTok, Twitter, or Instagram) and look for design tactics that could influence their choices. However, teens reported low awareness of how social media design could influence their behaviour prior to taking part in the focus groups and failed to identify dark patterns that operated by giving certain options greater visual salience than others. Finally, three regulatory frameworks (the Personal Information Protection and Electronic Documents Act, the California Consumer Privacy Act, and the General Data Protection Regulation) were evaluated for their efficacy in protecting individuals from the effects of privacy dark patterns. This analysis found that less explicit and extensive protection is afforded to users against Obstruction and Pressure dark patterns compared to Obfuscation tactics, especially in a Canadian regulatory context. This research can inform the development of educational and regulatory countermeasures to dark patterns that support teens in making conscious and informed choices about the collection and use of their personal data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,344
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship@Western (Western University)Même sujetPrivacy, Security, and Data ProtectionTravaux en français237 207