論文の概要: Investigating In-Context Privacy Learning by Integrating User-Facing Privacy Tools into Conversational Agents

• arxiv url: http://arxiv.org/abs/2603.19416v1
• Date: Thu, 19 Mar 2026 19:18:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.846634
• Title: Investigating In-Context Privacy Learning by Integrating User-Facing Privacy Tools into Conversational Agents
• Title（参考訳）: 会話エージェントへのユーザ・ファクター・プライバシ・ツールの統合によるインテクスト・プライバシ・ラーニングの検討
• Authors: Mohammad Hadi Nezhad, Francisco Enrique Vicente Castro, Ivon Arroyo,
• Abstract要約: プライバシツールとのインタラクションによってユーザのプライバシ学習が促進されるかを検討することで,コンテキスト内,経験的学習について検討する。 ジャスト・イン・タイムのプライバシー通知パネルをChatGPTのインターフェースに統合し、シミュレーションした。 我々は,ユーザ主導による機密情報の保護を支援したり妨げたりするタスクセッションやインターフェースデザインの前後における,参加者のプライバシに対する認識を質的に分析した。
• 参考スコア（独自算出の注目度）: 0.1390311627586184
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Supporting users in protecting sensitive information when using conversational agents (CAs) is crucial, as users may undervalue privacy protection due to outdated, partial, or inaccurate knowledge about privacy in CAs. Although privacy knowledge can be developed through standalone resources, it may not readily translate into practice and may remain detached from real-time contexts of use. In this study, we investigate in-context, experiential learning by examining how interactions with privacy tools during chatbot use enhance users' privacy learning. We also explore interface design features that facilitate engagement with these tools and learning about privacy by simulating ChatGPT's interface which we integrated with a just-in-time privacy notice panel. The panel intercepts messages containing sensitive information, warns users about potential sensitivity, offers protective actions, and provides FAQs about privacy in CAs. Participants used versions of the chatbot with and without the privacy panel across two task sessions designed to approximate realistic chatbot use. We qualitatively analyzed participants' pre- and post-test survey responses and think-aloud transcripts and describe findings related to (a) participants' perceptions of privacy before and after the task sessions and (b) interface design features that supported or hindered user-led protection of sensitive information. Finally, we discuss future directions for designing user-facing privacy tools in CAs that promote privacy learning and user engagement in protecting privacy in CAs.
• Abstract（参考訳）: 会話エージェント(CA)を使用する際の機密情報保護のユーザサポートは、CAのプライバシーに関する時代遅れ、部分的、あるいは不正確な知識のために、プライバシー保護を過小評価する可能性があるため、極めて重要である。 プライバシの知識はスタンドアロンのリソースを通じて開発することができるが、すぐには実践に変換されず、リアルタイムのコンテキストから切り離されていなければならない。 本研究では,チャットボットにおけるプライバシツールとのインタラクションがユーザのプライバシ学習をいかに促進するかを検討することによって,コンテキスト内,経験的学習について検討する。 ジャストインタイムのプライバシ通知パネルと統合したChatGPTのインターフェースをシミュレートすることで,これらのツールとの関わりやプライバシに関する学習を容易にするインターフェース設計機能についても検討する。 パネルは機密情報を含むメッセージを傍受し、潜在的な感度についてユーザーに警告し、保護措置を提供し、CAのプライバシーに関するFAQを提供する。 参加者は、現実的なチャットボットの使用を近似するように設計された2つのタスクセッションで、プライバシーパネルのないチャットボットのバージョンを使用した。 被験者の事前調査と検査後調査の回答とシンク・アラウド・トランスクリプトを質的に分析し,それに関連する知見について述べる。 (a)課題セッション前後の参加者のプライバシに対する認識 b) ユーザ主導による機密情報の保護を支援するインターフェース設計機能。 最後に,CAにおけるプライバシ保護におけるプライバシ学習とユーザエンゲージメントを促進するため,CAにおけるユーザ対応プライバシツールの設計の今後の方向性について論じる。

関連論文リスト

• Understanding Users' Privacy Reasoning and Behaviors During Chatbot Use to Support Meaningful Agency in Privacy [0.1390311627586184]
  本研究は,学生の行動開示と保護行動,およびこれらの行動の基礎となる理由について検討した。 参加者は、メッセージの送信を傍受するプライバシー通知パネルで、シミュレーションされたChatGPTインターフェースを使用した。 我々は、パネルがプライバシーの意識を高め、保護行為を奨励し、保護すべき情報と方法に関するコンテキスト特異的な推論をサポートする方法について分析した。
  論文  参考訳（メタデータ） (2026-01-26T04:13:45Z)
• Protecting Users From Themselves: Safeguarding Contextual Privacy in Interactions with Conversational Agents [33.26308626066122]
  会話エージェント(LCA)とのユーザインタラクションにおけるコンテキストプライバシの概念を特徴付ける。 これは、ユーザーが意図した目標を達成するのに必要な情報のみを(ベンダー)が開示することを保証することで、プライバシー上のリスクを最小限にすることを目的としている。 本稿では,ユーザとLCA間のローカルデプロイ可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-22T09:05:39Z)
• PRISMe: A Novel LLM-Powered Tool for Interactive Privacy Policy Assessment [0.6554326244334868]
  本稿では,LLM(Large Language Model)によるプライバシポリシ評価ツールであるPRISMeを紹介する。 このツールは、ユーザーがブラウジング中に長く複雑なプライバシーポリシーの本質を理解するのに役立つ。 我々は、PRISMeの効率性、ユーザビリティ、提供された情報の理解可能性、および認識への影響を評価した。
  論文  参考訳（メタデータ） (2025-01-27T13:27:04Z)
• On the Differential Privacy and Interactivity of Privacy Sandbox Reports [78.85958224681858]
  GoogleのPrivacy Sandboxイニシアチブには、プライバシ保護広告機能を実現するAPIが含まれている。 これらのAPIのプライバシを分析するための抽象モデルを提供し、それらが正式なDP保証を満たすことを示す。
  論文  参考訳（メタデータ） (2024-12-22T08:22:57Z)
• Inference Privacy: Properties and Mechanisms [8.471466670802817]
  推論プライバシ(IP)は、推論時にユーザのデータに対して厳格なプライバシ保証を提供しながら、モデルと対話することを可能にする。 本稿では,ユーザがカスタマイズ可能な入力摂動と出力摂動という,IPを実現するための2つのメカニズムを提案する。
  論文  参考訳（メタデータ） (2024-11-27T20:47:28Z)
• Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
  差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。 ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T13:54:32Z)
• NAP^2: A Benchmark for Naturalness and Privacy-Preserving Text Rewriting by Learning from Human [56.46355425175232]
  我々は,人間によって使用される2つの共通戦略を用いて,機密テキストの衛生化を提案する。 我々は,クラウドソーシングと大規模言語モデルの利用を通じて,NAP2という最初のコーパスをキュレートする。 匿名化に関する以前の研究と比較すると、人間に触発されたアプローチはより自然な書き直しをもたらす。
  論文  参考訳（メタデータ） (2024-06-06T05:07:44Z)
• 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)

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。