論文の概要: A Comparative Study of How People With and Without ADHD Recognise and Avoid Dark Patterns on Social Media

• arxiv url: http://arxiv.org/abs/2503.05263v1
• Date: Fri, 07 Mar 2025 09:23:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 15:56:53.214626
• Title: A Comparative Study of How People With and Without ADHD Recognise and Avoid Dark Patterns on Social Media
• Title（参考訳）: ソーシャルメディア上でのADHD認識と暗黒パターンの認識・回避に関する比較研究
• Authors: Thomas Mildner, Daniel Fidel, Evropi Stefanidi, Pawel W. Wozniak, Rainer Malaka, Jasmin Niess,
• Abstract要約: 我々は,ADHD患者がソーシャルネットワーク上で暗黒パターンを認識し,回避しているかどうかを検討する。 ADHDの個体は、より頻繁に特定の暗黒パターンを回避できた。 本研究は, 現実的な環境における暗黒パターンの理解と, 脆弱な個体群に対するその影響に関する洞察を提供することにより, これまでの研究を前進させるものである。
• 参考スコア（独自算出の注目度）: 40.22828751850003
• License:
• Abstract: Dark patterns are deceptive strategies that recent work in human-computer interaction (HCI) has captured throughout digital domains, including social networking sites (SNSs). While research has identified difficulties among people to recognise dark patterns effectively, few studies consider vulnerable populations and their experience in this regard, including people with attention deficit hyperactivity disorder (ADHD), who may be especially susceptible to attention-grabbing tricks. Based on an interactive web study with 135 participants, we investigate SNS users' ability to recognise and avoid dark patterns by comparing results from participants with and without ADHD. In line with prior work, we noticed overall low recognition of dark patterns with no significant differences between the two groups. Yet, ADHD individuals were able to avoid specific dark patterns more often. Our results advance previous work by understanding dark patterns in a realistic environment and offer insights into their effect on vulnerable populations.
• Abstract（参考訳）: 暗黒パターンは、近年HCI(Human-Computer Interaction)がソーシャルネットワーキングサイト(SNS)を含むデジタルドメイン全体にわたって捉えた、偽りの戦略である。 暗黒パターンを効果的に認識することの難しさは研究によって確認されているが、注意欠陥多動性障害(ADHD)の患者を含む、弱い集団とその経験を考慮に入れている研究はほとんどない。 参加者135名を対象に対話型Web調査を行い,ADHDを使用せずに参加者の結果を比較することで,SNS利用者の暗黒パターン認識・回避能力について検討した。 その結果,両群間に有意差は認められなかったが,暗黒パターンの認知度は全体的に低かった。 しかし、ADHDの個人は特定の暗いパターンをもっと頻繁に避けることができた。 本研究は, 現実的な環境における暗黒パターンの理解と, 脆弱な個体群に対するその影響に関する洞察を提供することにより, これまでの研究を前進させるものである。

関連論文リスト

• Visual Stereotypes of Autism Spectrum in DALL-E, Stable Diffusion, SDXL, and Midjourney [0.0]
  本研究では,テキスト・ツー・イメージモデルが,自閉症に関する非合理的な信念を意図せず永続させる方法について検討した。 研究プロトコルでは、具体的な物体や自閉症に関する抽象概念を可視化する53のプロンプトに基づいて画像を生成する。
  論文  参考訳（メタデータ） (2024-07-23T08:48:09Z)
• 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)
• Investigating Human-Identifiable Features Hidden in Adversarial Perturbations [54.39726653562144]
  我々の研究では、最大5つの攻撃アルゴリズムを3つのデータセットにわたって探索する。 対人摂動における人間の識別可能な特徴を同定する。 画素レベルのアノテーションを用いて、そのような特徴を抽出し、ターゲットモデルに妥協する能力を実証する。
  論文  参考訳（メタデータ） (2023-09-28T22:31:29Z)
• Deep Learning-based Eye-Tracking Analysis for Diagnosis of Alzheimer's Disease Using 3D Comprehensive Visual Stimuli [8.987083026829517]
  アルツハイマー病(AD)は記憶、思考、判断の連続的な低下を引き起こす。 本稿では,視線追跡行動に基づくADの診断に深層学習技術を活用することに焦点を当てる。 視覚的注意は、典型的な視線追跡行動として、AD患者の認知異常を検出するために非常に臨床的に有用である。 我々は,AD患者と正常者の視覚的注意差を識別するために,多層比較畳み込みニューラルネットワーク(MC-CNN)を提案する。
  論文  参考訳（メタデータ） (2023-03-13T05:33:28Z)
• About Engaging and Governing Strategies: A Thematic Analysis of Dark Patterns in Social Networking Services [30.817063916361892]
  Facebook、Instagram、TikTok、Twitterのモバイルアプリケーションから16時間以上のスクリーン記録を集めました。 SNSでどのインスタンスが起きているかを観察し、エンゲージメントとガバナンスという2つの戦略を特定した。
  論文  参考訳（メタデータ） (2023-03-01T13:03:29Z)
• Deep Intra-Image Contrastive Learning for Weakly Supervised One-Step Person Search [98.2559247611821]
  本稿では,シームズネットワークを用いた画像内コントラスト学習について述べる。 本手法は,弱教師付きワンステップ人物探索手法の最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-02-09T12:45:20Z)
• Detection of ADHD based on Eye Movements during Natural Viewing [3.1890959219836574]
  ADHDは神経発達障害であり、臨床専門医が診断する必要がある。 我々は、関連するタスクに対して事前学習を行う、エンドツーエンドのディープラーニングベースのシーケンスモデルを開発する。 この手法は実際にADHDを検出し、関連するベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-07-04T12:56:04Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• A Two-stage Multi-modal Affect Analysis Framework for Children with Autism Spectrum Disorder [3.029434408969759]
  実環境における遊び療法におけるASDの影響状態の3つの主要な影響状態を予測するために,音響的および視覚的手がかりを利用したオープンソースの2段階マルチモーダルアプローチを提案する。 この研究は、2段階のスキーマを提案することによって、ASDに対する人間の専門知識とマシンインテリジェンスを組み合わせる新しい方法を示す。
  論文  参考訳（メタデータ） (2021-06-17T01:28:53Z)
• Onfocus Detection: Identifying Individual-Camera Eye Contact from Unconstrained Images [81.64699115587167]
  Onfocus Detectionは、カメラが捉えた個人の焦点がカメラにあるかどうかを特定することを目的としている。 OnFocus Detection In the Wild (OFDIW) と呼ばれる大規模なオンフォーカス検出データセットを構築しました。 本研究では,視線干渉推論ネットワーク (ECIIN) を用いた眼球深度検出モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-29T03:29:09Z)

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。