Les facteurs clés influençant les préoccupations liées à la vie privée dans le cas d'un robot conversationnel : le rôle de creepiness
Notice bibliographique
Résumé
D’ici 2024, le taux de croissance annuel du marché mondial des chatbots approcherait 24,3% (AMA, 2020). Cette nouvelle réalité nous amène à constater l’importance de la présence des chatbots au niveau du paysage d’affaires. De ce fait, introduire une solution intelligente (le chatbot dans notre étude) s’avère avantageuse autant pour l’entreprise que pour ses clients. Toutefois, ces médiums, dit robots conversationnels, sont susceptibles de soulever des préoccupations liées à la vie privée de l’individu. De ce fait, notre travail s’articule autour du développement d’un modèle conceptuel des facteurs clés qui favorisent ou défavorisent la formation des préoccupations liées à la vie privée lors de l’interaction avec un chatbot dans le secteur de l’assurance (automobile). Plusieurs études se sont, certes, intéressées à ce sujet et ont proposé des antécédents expliquant, partiellement ou intégralement, les préoccupations liées à la vie privée. Toutefois, le creepiness, désignant un sentiment de perplexité et de trouble entraîné par une technologie de pointe (p.ex. Le chatbot) (Keenan, 2014), n’a pas été affilié, à notre connaissance, au contexte de l’interaction avec un chatbot dans le domaine d’assurance (automobile). Cette recherche se distingue par son recours à une approche multiméthodes pour la collecte des données. Ainsi, une simulation de soumission d’assurance au moyen de chatbot a été, d’abord, réalisée, durant laquelle des questions ont été posées afin d’établir les informations de base de la demande d’assurance automobile. Les données finales exploitées dans cette étude ont été collectées auprès de 430 membres canadiens d’un panel en ligne. Ensuite, un questionnaire d’évaluation dont les résultats sont exploités aux fins de notre étude a été élaboré. Les résultats de cette recherche, montrent que le creepiness lors de l’utilisation du chatbot a l’impact positif le plus important sur les préoccupations liées à la vie privée. Également, la vulnérabilité perçue et les préoccupations globales liées à la collecte des informations personnelles de l’individu influencent positivement les préoccupations liées à la vie privée. En revanche, la familiarité n’a pas d’effet significatif sur celles-ci. En général, il s’est avéré que les hommes ont des niveaux de creepiness et de vulnérabilité perçue plus élevés que les femmes, ce qui explique leurs préoccupations liées à la vie privée plus prononcées, que celles des femmes. Des implications théoriques et managériales ont été avancées après la discussion des résultats obtenus, ainsi que certaines avenues de recherche. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Chatbot, préoccupations liées à la vie privée en ligne, creepiness lors de l’utilisation du chatbot, approche multiméthode, secteur de l’assurance automobile
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».