論文の概要: Investigating Personalisation-Privacy Paradox Among Young Irish
Consumers: A Case of Smart Speakers
- arxiv url: http://arxiv.org/abs/2108.09945v1
- Date: Mon, 23 Aug 2021 05:39:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 12:17:09.883935
- Title: Investigating Personalisation-Privacy Paradox Among Young Irish
Consumers: A Case of Smart Speakers
- Title（参考訳）: 若年アイルランド消費者のパーソナライゼーション・プライバシー・パラドックスの調査--スマートスピーカーを事例として
- Authors: Caoimhe O'Maonaigh and Deepak Saxena
- Abstract要約: 本研究では、スマートスピーカーの文脈におけるパーソナライズとプライバシのパラドックスについて検討する。
これは、プライバシーリスクとそれに対応するプライバシー保護行動に対する認識の観点から、スマートスピーカーのユーザと非ユーザの違いを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Personalisation refers to the catering of online services to match consumer's
interests. In order to provide personalised service, companies gather data on
the consumer. In this situation, consumers must navigate a trade-off when they
want the benefits of personalised information and services while simultaneously
wish to protect themselves from privacy risks. However, despite many
individuals claiming that privacy is an essential right to them, they behave
contradictorily in online environments by not engaging in privacy-preserving
behaviours. This paradox is known as the personalisation-privacy Paradox. The
personalisation-privacy paradox has been studied in many different scenarios,
ranging from location-based advertising to online shopping. The objective of
this study is to investigate the personalisation-privacy paradox in the context
of smart speakers. Based on an exploratory study with young Irish consumers,
this study suggests a difference between the users and non-users of smart
speakers in terms of their perception of privacy risks and corresponding
privacy-preserving behaviours. In so doing, it also explains the existence of
the personalisation-privacy paradox and offers insights for further research.
- Abstract（参考訳）: パーソナライゼーション(personalization)とは、消費者の関心に合うオンラインサービスのケータリングを指す。
パーソナライズされたサービスを提供するために、企業は消費者のデータを収集する。
この状況では、消費者は個人化された情報やサービスの利点を欲しがり、同時にプライバシーのリスクから身を守る必要がある。
しかし、プライバシーは彼らにとって不可欠な権利であると主張する個人は多いが、プライバシー保護行動に関わらないことで、オンライン環境では矛盾する行動をとる。
このパラドックスはパーソナライズ・プライバシーのパラドックスとして知られている。
パーソナライズとプライバシーのパラドックスは、ロケーションベースの広告からオンラインショッピングまで、様々なシナリオで研究されてきた。
本研究の目的は,スマートスピーカーの文脈におけるパーソナライズ・プライバシーのパラドックスを検討することである。
この研究は、若いアイルランドの消費者による探索的研究に基づいて、プライバシーリスクとそれに対応するプライバシー保護行動に対する認識の観点から、スマートスピーカーのユーザと非ユーザの違いを示唆している。
このようにして、パーソナライズとプライバシーのパラドックスの存在を説明し、さらなる研究のための洞察を提供する。
関連論文リスト
- PrivacyCube: Data Physicalization for Enhancing Privacy Awareness in IoT [1.2564343689544843]
スマートホーム環境におけるプライバシー意識を高めるために設計された新しいデータ物理化であるPrivacyCubeについて説明する。
PrivacyCubeは、プライバシ関連の通知を表示することによって、IoTデータ消費を可視化する。
以上の結果から,プライバシキューブは家庭内におけるIoTプライバシの理解を向上し,プライバシ意識を著しく向上させる。
論文 参考訳（メタデータ） (2024-06-08T12:20:42Z) - Adaptive Privacy Composition for Accuracy-first Mechanisms [55.53725113597539]
ノイズ低減機構はますます正確な答えを生み出す。
アナリストは、公表された最も騒々しい、あるいは最も正確な回答のプライバシー費用のみを支払う。
ポスト前のプライベートメカニズムがどのように構成されるかは、まだ研究されていない。
我々は、分析者が微分プライベートとポストプライベートのメカニズムを適応的に切り替えることのできるプライバシーフィルタを開発した。
論文 参考訳（メタデータ） (2023-06-24T00:33:34Z) - 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) - How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。
プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
論文 参考訳（メタデータ） (2022-11-18T11:39:03Z) - Privacy Explanations - A Means to End-User Trust [64.7066037969487]
この問題に対処するために、説明可能性がどのように役立つかを検討しました。
私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。
我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
論文 参考訳（メタデータ） (2022-10-18T09:30:37Z) - Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。
本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2022-09-08T22:43:50Z) - A Self-aware Personal Assistant for Making Personalized Privacy
Decisions [3.988307519677766]
本稿では、ディープラーニングを用いて、そのプライバシーラベルに基づいてコンテンツを分類するパーソナルアシスタントを提案する。
リスクファクタや自身のラベルなど、ユーザのプライバシに対する自身の理解をファクタリングすることで、パーソナルアシスタントはユーザ毎のレコメンデーションをパーソナライズすることができる。
論文 参考訳（メタデータ） (2022-05-13T10:15:04Z) - The Evolving Path of "the Right to Be Left Alone" - When Privacy Meets
Technology [0.0]
本稿では,プライバシエコシステムの新たなビジョンとして,プライバシの次元,関連するユーザの期待,プライバシ違反,変化要因を導入することを提案する。
プライバシー問題に取り組むための有望なアプローチは, (i) 効果的なプライバシメトリクスの識別, (ii) プライバシに準拠したアプリケーションを設計するためのフォーマルなツールの採用という,2つの方向に移行している,と私たちは信じています。
論文 参考訳（メタデータ） (2021-11-24T11:27:55Z) - User Perception of Privacy with Ubiquitous Devices [5.33024001730262]
本研究は,ユビキタステクノロジーの時代におけるプライバシの認識に関する様々な懸念を探求し,発見することを目的としている。
公共やプライベートスペースにおけるプライバシーに対する態度、プライバシーの意識、同意を求めること、様々な技術に関連するジレンマ/コンフュージョン、公共やプライベートスペースにおけるプライバシーの侵害から身を守る方法に関する個人行動に対する態度と信念の影響など、主要なテーマである。
論文 参考訳（メタデータ） (2021-07-23T05:01:44Z) - Private Reinforcement Learning with PAC and Regret Guarantees [69.4202374491817]
エピソード強化学習(RL)のためのプライバシー保護探索ポリシーを設計する。
まず、共同微分プライバシー(JDP)の概念を用いた有意義なプライバシー定式化を提供する。
そこで我々は,強いPACと後悔境界を同時に達成し,JDP保証を享受する,プライベートな楽観主義に基づく学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-09-18T20:18:35Z) - The Challenges and Impact of Privacy Policy Comprehension [0.0]
本稿では、避けられないシンプルなプライバシーポリシーのプライバシーフレンドリさを実験的に操作した。
参加者の半数は、この透明なプライバシーポリシーさえ誤解している。
このような落とし穴を緩和するため、私たちはインフォームドコンセントの品質を向上させる設計勧告を提示します。
論文 参考訳（メタデータ） (2020-05-18T14:16:48Z)
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。