論文の概要: How we browse: Measurement and analysis of digital behavior

• arxiv url: http://arxiv.org/abs/2108.06745v1
• Date: Sun, 15 Aug 2021 14:08:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-18 11:19:36.276789
• Title: How we browse: Measurement and analysis of digital behavior
• Title（参考訳）: 私たちの閲覧方法:デジタル行動の測定と分析
• Authors: Yuliia Lut, Michael Wang, Elissa M. Redmiles, Rachel Cummings
• Abstract要約: 参加者31名のデータを14日間連続して収集し,自己報告したブラウジングパターンについて検討した。 年齢によっては活動レベルに有意な差がみられたが、人種や性別によるものではない。 ユーザーはオンラインで過ごす時間をかなり過大評価しているが、オンラインで過ごす時間について比較的正確な認識を持っている。
• 参考スコア（独自算出の注目度）: 25.760665908194888
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately analyzing and modeling online browsing behavior play a key role in understanding users and technology interactions. In this work, we design and conduct a user study to collect browsing data from 31 participants continuously for 14 days and self-reported browsing patterns. We combine self-reports and observational data to provide an up-to-date measurement study of online browsing behavior. We use these data to empirically address the following questions: (1) Do structural patterns of browsing differ across demographic groups and types of web use?, (2) Do people have correct perceptions of their behavior online?, and (3) Do people change their browsing behavior if they are aware of being observed? In response to these questions, we find significant differences in level of activity based on user age, but not based on race or gender. We also find that users have significantly different behavior on Security Concerns websites, which may enable new behavioral methods for automatic detection of security concerns online. We find that users significantly overestimate the time they spend online, but have relatively accurate perceptions of how they spend their time online. We find no significant changes in behavior over the course of the study, which may indicate that observation had no effect on behavior, or that users were consciously aware of being observed throughout the study
• Abstract（参考訳）: オンラインブラウジング行動の正確な分析とモデリングは、ユーザと技術相互作用を理解する上で重要な役割を果たす。 本研究では,31人の参加者から14日間連続して閲覧データを収集するユーザスタディを設計し,実施する。 自己報告と観察データを組み合わせて,オンラインブラウジング行動の最新の計測結果を提供する。 1) ブラウジングの構造的パターンは, 人口統計学的グループやweb利用の種類によって異なるか? , (2) オンラインでの行動の正しい認識は可能か? (3)観察されていることを認識すれば閲覧行動は変わるか? これらの質問に応えて、ユーザ年齢に基づいて活動のレベルに有意な差があるが、人種や性別によるものではない。 また,セキュリティ問題webサイト上では,利用者の行動が著しく異なることが分かり,オンライン上でセキュリティ問題を自動的に検出するための新たな行動方法が実現される可能性が示唆された。 ユーザーはオンラインで過ごす時間をかなり過大評価しているが、オンラインで過ごす時間について比較的正確な認識を持っている。 研究の過程では,観察が行動に影響を与えなかったり,利用者が意識的に観察されていることを示し,行動に有意な変化は認められなかった。

関連論文リスト

• How Unique is Whose Web Browser? The role of demographics in browser fingerprinting among US users [50.699390248359265]
  ブラウザのフィンガープリントは、クッキーを使わずとも、Web上のユーザを識別し、追跡するために利用できる。 この技術と結果として生じるプライバシーリスクは10年以上にわたって研究されてきた。 我々は、さらなる研究を可能にするファースト・オブ・ザ・キンド・データセットを提供する。
  論文  参考訳（メタデータ） (2024-10-09T14:51:58Z)
• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Personality Trait Inference Via Mobile Phone Sensors: A Machine Learning Approach [0.0]
  本研究では,携帯電話センサを用いて収集した活動データから人格を確実に予測できることを示す。 2種類の問題に対して,ユーザの性格を最大0.78F1まで予測することができた。 スマートフォンのセンサと機械学習技術の組み合わせが、パーソナリティ研究の進展にどう役立つかを示す。
  論文  参考訳（メタデータ） (2024-01-18T13:18:51Z)
• Browsing behavior exposes identities on the Web [0.41942958779358674]
  ウェブをナビゲートすると、オンラインのトレースがそれらを識別する指紋を生成する。 我々は、データの切り離しで80%の個人を再識別できることを実証した。
  論文  参考訳（メタデータ） (2023-12-24T14:21:15Z)
• Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
  我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。 ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
  論文  参考訳（メタデータ） (2023-04-06T05:20:16Z)
• Approaches to Identify Vulnerabilities to Misinformation: A Research Agenda [24.80321868079655]
  オンライン誤報の頻度を考えると、インターネット利用者はそのような情報にしばしば被害を受けることが示されている。 我々は、脆弱なユーザーを特定するために、現在進行中の2つの研究方法を強調した。
  論文  参考訳（メタデータ） (2022-10-21T00:33:39Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• User Interaction Analysis through Contrasting Websites Experience [4.14955672190455]
  本研究では,Webサイトの利用状況と関連性に基づいて,Webサイトのユーザビリティを定量的に分析する。 我々は,ユーザインタラクションに基づく主観的知覚,視線追跡データ,表情を報告する。 一般に、ユーザインタラクションパラメータはウェブサイトセット間で大きく異なることが判明した。
  論文  参考訳（メタデータ） (2022-01-10T20:43:19Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Web Routineness and Limits of Predictability: Investigating Demographic and Behavioral Differences Using Web Tracking Data [0.24499092754102877]
  これらの反復的なWeb訪問パターンは、閲覧行動の達成可能な予測可能性を高める。 ウェブ上での人体移動の予測可能性の不確実性と理論的限界を測定するための情報理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-30T11:19:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。