Indstillinger for beskyttelse af personlige oplysninger kan hjælpe med at lette mistanke om websteder og apps, der giver anbefalinger

Når folk ser, at de kan kontrollere deres privatlivsindstillinger på websteder og apps, der tilbyder underholdning eller produktanbefalinger, de har en tendens til at være mere tillidsfulde over for disse websteder, ifølge forskere.

I en undersøgelse, en mock-up af et online filmanbefalingssystem, der blot foreslog, at brugere kunne tilpasse privatlivsindstillinger, havde en tendens til at øge deres følelse af kontrol, hvilket lettede deres bekymringer om privatlivets fred omkring webstedet. Deltagerne behøvede ikke fysisk at foretage disse justeringer for at føle den følelse af kontrol, sagde S. Shyam Sundar, James P. Jimirro professor i medieeffekter, meddirektør for Media Effects Research Laboratory i Donald P. Bellisario College of Communications og tilknyttet Penn State's Institute for CyberScience (ICS).

"Dette signal, sig selv, er faktisk ret kraftfuld til at give en følelse af kontrol og mindske bekymringer om privatlivets fred, " sagde Sundar.

Deltagerne angav også, at de kunne justere deres privatlivsindstillinger, gjorde dem mere villige til at afsløre flere personlige oplysninger.

Online anbefalingssystemer tager typisk en af ​​to tilgange til at give unikke, skræddersyede muligheder til brugeren:personlig, også kendt som systemvalgt, eller tilpasset, hvor brugeren træffer valget, ifølge Sundar, der arbejdede med Bo Zhang, tidligere doktorand i massekommunikation ved Penn State og i øjeblikket brugeroplevelsesforsker hos Facebook.

Zhang sagde, at begge muligheder giver brugerne fordele og ulemper. For eksempel, personlige anbefalinger kræver en lille indsats fra brugeren, men fordi anbefalingerne kræver sporing af en brugers valg, det kan få brugerne til at føle, at deres privatliv bliver krænket. På den anden side, tilpasning kan være byrdefuldt, kræver konstant opmærksomhed, samt handlinger for aktivt at træffe valg hele tiden. Dette har fået udviklere til at skabe to typer personaliseringsmodeller:proaktive og reaktive. Proaktiv personalisering genererer automatisk anbefalinger, mens et system med reaktiv personalisering søger en brugers samtykke, før det leverer anbefalinger.

"Det viser sig, at disse typer af personalisering har deres problemer, også, " sagde Sundar. "Proaktiv personalisering kan føles mere påtrængende, mens reaktiv personalisering kan overbelaste brugeren med beskeder og anmodninger."

Undersøgelsesdeltagere vurderede filmanbefalingerne som værende højere i kvalitet, da de blev leveret til dem via proaktiv personalisering, men de udtrykte større bekymringer om privatlivets fred end deltagere, der modtog de samme filmanbefalinger via reaktiv personalisering.

"Det, vi spurgte, var:Er der en måde at minimere folks irritation over denne proaktive personalisering uden altid at skulle ty til reaktiv personalisering?" sagde Zhang. "Er der en mellemvej, sådan, at før du overhovedet begynder at bruge appen, du kan nemt tilpasse dine privatlivsindstillinger på hele webstedet, eller globalt?"

Forskerne, som rapporterer deres resultater i et kommende nummer af International Journal of Human-Computer Studies, sagde, at deltagere, der havde oplevet krænkelser af privatlivets fred tidligere, viste større bekymringer om både reaktiv og proaktiv personalisering. De ønskede også større kontrol med at administrere deres privatliv.

"For disse mennesker, det gør en reel forskel aktivt at tilpasse i stedet for blot at vide, at der findes muligheder for tilpasning af privatlivets fred, sagde Sundar. Men, for brugere uden tidligere erfaring med krænkelser af privatlivets fred, blot at give tilpasningssignaler på grænsefladen havde samme effekt som at handle på tilpasningsmuligheder."

Selvom disse signaler kan bruges etisk af virksomheder, der ønsker at forbedre brugeroplevelsen, Sundar sagde, at folk skulle være opmærksomme på, at ondsindede organisationer kan udnytte skævheden til at sænke en persons vagt for at udtrække personlige data.

Til studiet, forskerne rekrutterede 326 personer til at anmelde en falsk online Bollywood-filmanbefalingsside kaldet Bollybox. Deltagerne blev rekrutteret gennem Amazon Mechanical Turk, et online crowdsourcing-websted, der ofte bruges i undersøgelser. Af de 326 indledende deltagere, 299 afsluttede til sidst undersøgelsen.

Deltagerne udfyldte et prætest-spørgeskema, der søgte demografisk information, samt målte egenskaber, herunder fagenes teknologiske ekspertise, interesse for film og holdninger til privatliv på nettet. Spørgeskemaet undersøgte også, om deltageren nogensinde havde fået deres privatliv krænket.

Forsøgspersonerne blev tilfældigt tildelt en af ​​de eksperimentelle forhold, der testede tilpasning og reaktiv og proaktiv personalisering. Tilpasningsbetingelsen havde tre niveauer:en version uden et signal om, at privatlivsindstillinger kunne ændres; en version med en liste over handlinger til indstilling af privatliv; og en cue-tilstand, der netop viste eksistensen af ​​privatlivsindstillinger. Ud over siden med privatlivsindstillinger, webstedsmodellen havde en "Om"-side og en anbefalingsside, hvor den gav anbefalinger enten proaktivt eller efter at have søgt brugerinput og samtykke.

Mens denne undersøgelse fokuserede på, hvordan privatlivsindstillinger påvirkede brugere på online-filmanbefalingssider, fremtidig forskning kunne se på anbefalingssystemer for andre indholdstyper og tjenester.