1 Do Companies ’ Online Privacy Policy Disclosures Match Customer Needs?
Notice bibliographique
Résumé
Along with companies ’ increased interest in the use of personal information and the growing concerns of customers, privacy emerges as a critical issue in an e-commerce environment. Although several researchers have examined companies ’ privacy practices using posted privacy policy disclosures, few studies have investigated companies ’ privacy policies against Fair Information Practices (FIP). This study investigates companies ’ privacy policy statements and important privacy policies that individuals want to know against FIP. We examine the privacy policy statements of 136 companies from U.S. and Canada and relate them to the results of a Web-based user survey of 210 respondents. Our findings reveal a difference in companies ’ privacy policies between U.S. and Canada. The Security Safeguards and Use Limitation principles were the two most important companies ’ privacy policies that individuals want to know. The Security Safeguards and Purpose Specification principles were the two most frequently addressed OECD principles in more information-sensitive industries while the Purpose Specification and Openness principles were the two most frequently addressed principles in less information-sensitive industries.Thus, there is a gap between what privacy policies individuals value and what companies in less information-sensitive industries disclose in their privacy policy statements. However, companies in more information-sensitive industries frequently disclose an important privacy policy (i.e., Security Safeguards) that individuals want to know.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».