論文の概要: Integrating Dark Pattern Taxonomies

• arxiv url: http://arxiv.org/abs/2402.16760v1
• Date: Mon, 26 Feb 2024 17:26:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 19:49:43.929337
• Title: Integrating Dark Pattern Taxonomies
• Title（参考訳）: ダークパターン分類学の統合
• Authors: Frank Lewis, Julita Vassileva
• Abstract要約: 過去10年間で、悪質で挑発的なデザインが複数のドメインに拡張された。 本稿では,ネットワーク解析ツールや手法に頼って,有向グラフとして既存の要素を合成する。 そうすることで、ダークパターンの相互接続性は、コミュニティ検出によってより明確になる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The problem of ``Dark Patterns" in user interface/user experience (UI/UX) design has proven a difficult issue to tackle. Malicious and explotitative design has expanded to multiple domains in the past 10 years and which has in turn led to multiple taxonomies attempting to describe them. While these taxonomies holds their own merit, and constitute unique contributions to the literature, their usefulness as separate entities is limited. We believe that in order to make meaningful progress in regulating malicious interface design, we must first form a globally harmonized system (GHS) for the classification and labeling of Dark Patterns. By leaning on network analysis tools and methods, this paper synthesizes existing taxonomies and their elements through as a directed graph. In doing so, the interconnectedness of Dark patterns can be more clearly revealed via community (cluster) detection. Ultimately, we hope that this work can serve as the inspiration for the creation of a glyph-based GHS for the classification of Dark Patterns.
• Abstract（参考訳）: ユーザインターフェース/ユーザエクスペリエンス(UI/UX)設計における‘Dark Patterns’の問題は、対処するのが難しい問題である。 過去10年間に悪質で挑発的なデザインが複数のドメインに拡張され、その結果複数の分類学がそれらを記述しようとしている。 これらの分類学は独自の価値を持ち、文学に独自の貢献をするが、独立した実体としての有用性は限られている。 悪質なインタフェース設計を規制する上で有意義な進歩をするためには、まず暗黒パターンの分類とラベル付けのためにグローバル調和システム(GHS)を構築しなければならない。 本稿では,ネットワーク解析ツールや手法に頼って,既存の分類学とその要素を有向グラフとして合成する。 そうすることで、ダークパターンの相互接続性は、コミュニティ(クラスタ)検出によってより明確になる。 最終的には、この研究がダークパターンの分類のためのグリフベースのGHSの作成のインスピレーションになることを期待します。

関連論文リスト

• Light Up the Shadows: Enhance Long-Tailed Entity Grounding with Concept-Guided Vision-Language Models [61.203151615743366]
  我々は,Concept-Guided視覚言語モデルを用いた2段階フレームワークであるCOGを紹介する。 このフレームワークは、長い尾を持つエンティティのイメージテキスト対を効果的に識別するConcept Integrationモジュールと、説明可能性を提供し、人間の検証を可能にするEvidence Fusionモジュールとを備える。 包括的実験により,COGはベースラインよりも長い尾を持つ画像とテキストのペアを認識する精度が向上するだけでなく,柔軟性や説明性も向上することが示された。
  論文  参考訳（メタデータ） (2024-06-16T11:49:00Z)
• CBGBench: Fill in the Blank of Protein-Molecule Complex Binding Graph [66.11279161533619]
  CBGBenchは構造ベースドラッグデザイン(SBDD)のベンチマークである 既存のメソッドを属性に基づいて分類することで、CBGBenchは様々な最先端メソッドを実装している。 我々は,これらのモデルを薬物設計に不可欠なタスクに適応させてきた。
  論文  参考訳（メタデータ） (2024-06-16T08:20:24Z)
• Detecting Deceptive Dark Patterns in E-commerce Platforms [0.0]
  ダークパターン(ダークパターン)は、電子商取引サイトがウェブサイトに利益をもたらす方法でユーザーの振舞いを操作するために使う偽のユーザーインターフェースである。 既存のソリューションとしては、コンピュータビジョンと自然言語処理を使用するUIGuardや、検出可能性に基づいてダークパターンを分類するアプローチ、あるいはデータセットに基づいてトレーニングされた機械学習モデルを使用するアプローチなどがある。 我々は,Webスクレイピング手法と細調整されたBERT言語モデルを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2024-05-27T16:32:40Z)
• Why is the User Interface a Dark Pattern? : Explainable Auto-Detection and its Analysis [1.4474137122906163]
  ダークパターンは、ユーザーが意図せず振る舞うオンラインサービスのための偽りのユーザーインターフェイスデザインである。 解釈可能なダークパターン自動検出,すなわち,特定のユーザインターフェースがダークパターンを持つものとして検出される理由について検討する。 我々の発見は、ユーザーがダークパターンで操作されることを防ぎ、より公平なインターネットサービスの構築を支援する可能性がある。
  論文  参考訳（メタデータ） (2023-12-30T03:53:58Z)
• Temporal Analysis of Dark Patterns: A Case Study of a User's Odyssey to Conquer Prime Membership Cancellation through the "Iliad Flow" [22.69068051865837]
  本稿では,Amazon Primeの"Iliad Flow"を事例として,ユーザジャーニーにおけるダークパターンの相互作用を説明する。 我々はこのケーススタディを用いて、時間的暗黒パターン分析(TADP)の方法論の基礎を定めている。
  論文  参考訳（メタデータ） (2023-09-18T10:12:52Z)
• AidUI: Toward Automated Recognition of Dark Patterns in User Interfaces [6.922187804798161]
  UIのダークパターンは、エンドユーザが意図したことのないアクションを取る(無意識に)ためのものです。 AidUIは、コンピュータビジョンと自然言語処理技術を用いて、10種類のユニークなUIダークパターンを認識する新しいアプローチである。 AidUIは、ダークパターンの検出において0.66、リコール0.67、F1スコア0.65の総合精度を実現し、検出されたパターンをIoUスコア0.84でローカライズすることができる。
  論文  参考訳（メタデータ） (2023-03-12T23:46:04Z)
• Taxonomy Enrichment with Text and Graph Vector Representations [61.814256012166794]
  我々は,既存の分類学に新たな語を加えることを目的とした分類学の豊かさの問題に対処する。 我々は,この課題に対して,少ない労力で高い結果を得られる新しい手法を提案する。 我々は、異なるデータセットにわたる最先端の結果を達成し、ミスの詳細なエラー分析を提供する。
  論文  参考訳（メタデータ） (2022-01-21T09:01:12Z)
• A Self-supervised Mixed-curvature Graph Neural Network [76.3790248465522]
  自己教師型混合曲率グラフニューラルネットワーク(SelfMGNN)を提案する。 我々は、SelfMGNNが現実の複雑なグラフ構造をキャプチャし、最先端のベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2021-12-10T08:56:55Z)
• Discriminator-Free Generative Adversarial Attack [87.71852388383242]
  生成的ベースの敵攻撃は、この制限を取り除くことができる。 ASymmetric Saliency-based Auto-Encoder (SSAE) は摂動を生成する。 SSAEが生成した敵の例は、広く使われているモデルを崩壊させるだけでなく、優れた視覚的品質を実現する。
  論文  参考訳（メタデータ） (2021-07-20T01:55:21Z)
• What Makes a Dark Pattern... Dark? Design Attributes, Normative Considerations, and Measurement Methods [13.750624267664158]
  ダークパターンやユーザインターフェースのデザインに関して、研究者が問題とみなす文献が急速に増えている。 しかし、現在の文献には概念的な基盤が欠けている。 ダークパターンの今後の研究は,ユーザインターフェース設計に対する主観的な批判以上のことができることを示す。
  論文  参考訳（メタデータ） (2021-01-13T02:52:12Z)
• TaxoExpan: Self-supervised Taxonomy Expansion with Position-Enhanced Graph Neural Network [62.12557274257303]
  分類学は機械解釈可能な意味論から成り、多くのウェブアプリケーションに貴重な知識を提供する。 そこで我々は,既存の分類学から,クエリの集合を自動生成するTaxoExpanという,新しい自己教師型フレームワークを提案する。 本研究では,(1)既存の分類学におけるアンカー概念の局所構造を符号化する位置強調グラフニューラルネットワーク,(2)学習モデルが自己超越データにおけるラベルノイズに敏感になるようなノイズローバスト学習の2つの手法を開発する。
  論文  参考訳（メタデータ） (2020-01-26T21:30:21Z)

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。