論文の概要: Exploring Ethical Concerns of Mobile Applications from App Reviews: A Literature Survey

• arxiv url: http://arxiv.org/abs/2604.16770v1
• Date: Sat, 18 Apr 2026 01:30:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 14:05:49.179364
• Title: Exploring Ethical Concerns of Mobile Applications from App Reviews: A Literature Survey
• Title（参考訳）: モバイルアプリの倫理的懸念をアプリレビューから探る: 文献調査
• Authors: Aakash Sorathiya, Gouri Ginde,
• Abstract要約: 本報告では,2012年以降に出版された37の関連研究について報告する。 調査ではレビュー数は500万から6億2600万、アプリ数は1億から1億3300万まで様々である。 ユーザによるアプリレビューでは,プライバシー,セキュリティ,アクセシビリティ,透明性,公正性,説明責任,安全性に対する永続的な障壁が指摘されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Privacy, security, and accessibility, like ethical concerns in mobile applications (a.k.a. apps), commonly subsumed under non-functional requirements, are generally reported by users through app reviews available in app stores. However, these remain unidentified among other types of reviews, such as user experiences, problem reports, and new feature discussions. Over the past decade, extensive research has focused on extracting valuable information from app reviews, including feature requests and bug reports. However, there remains a lack of a synthesis of research related to app review analysis for exploring users' ethical concerns. This paper presents a comprehensive survey of this research area, covering 37 relevant studies published since 2012, identified from the initial 553 studies using specific inclusion and exclusion criteria. The studies examined vary in review counts, ranging from 500 to 626 million, and include between a single and 1.3 million apps. Our detailed analysis highlights diverse objectives, methodologies, and strategies, along with additional resources such as app privacy policies, which researchers generally utilize to analyze ethical concerns. Our findings also identify persistent barriers to privacy, security, accessibility, transparency, fairness, accountability, and safety, as reported by users in app reviews. Furthermore, we propose a research agenda that focuses on four key areas, including automated extraction and classification of ethical concerns-related app reviews. Our survey outcomes can assist developers and system architects in recognizing and prioritizing non-functional requirements at the initial stages of the development lifecycle, whereas researchers can expand upon this synthesis to create tools for the automated detection of ethical concerns.
• Abstract（参考訳）: プライバシー、セキュリティ、アクセシビリティは、モバイルアプリケーション(例えばアプリ)における倫理上の懸念のように、一般的に非機能要件の下で仮定されるが、一般的にはアプリストアで利用可能なアプリレビューを通じてユーザーによって報告される。 しかし、これらはユーザー体験、問題報告、新機能に関する議論など、他のタイプのレビューの中で未確認のままである。 過去10年にわたって、機能要求やバグレポートなど、アプリレビューから貴重な情報を抽出することに注力してきた。 しかし、ユーザの倫理的懸念を探求するためのアプリレビュー分析に関する研究の合成は依然として欠如している。 本報告では,2012年以降に出版された37の関連研究を包括的に調査し,特定包摂基準と排他基準を用いた553研究から抽出した。 調査ではレビュー数は500万から6億2600万、アプリ数は1億から1億3300万まで様々である。 私たちの詳細な分析では、さまざまな目的、方法論、戦略、およびアプリプライバシポリシなどのリソースが強調されています。 また、アプリレビューでユーザから報告されているように、プライバシー、セキュリティ、アクセシビリティ、透明性、公正性、説明責任、安全性に対する永続的な障壁も確認できます。 さらに,倫理的関心事に関するアプリレビューの自動抽出と分類を含む,4つの重要な領域に焦点を当てた研究課題を提案する。 当社の調査結果は,開発ライフサイクルの初期段階において,非機能要件を認識し,優先順位付けする上で,開発者やシステムアーキテクトを支援する上で有効である。

関連論文リスト

• Understanding Usage and Engagement in AI-Powered Scientific Research Tools: The Asta Interaction Dataset [47.98539809308384]
  我々は,20万以上のユーザクエリとインタラクションログからなる大規模リソースであるAsta Interactionデータセットを分析した。 クエリパターン、エンゲージメントの振る舞い、使用方法のエクスペリエンスによる進化を特徴付けます。 我々は、匿名化されたデータセットと分析を新しいクエリ分類でリリースし、現実世界のAI研究アシスタントの将来の設計を知らせる。
  論文  参考訳（メタデータ） (2026-02-26T18:40:28Z)
• The Story is Not the Science: Execution-Grounded Evaluation of Mechanistic Interpretability Research [56.80927148740585]
  我々は、動的に進化し、研究評価者としてAIエージェントを開発することで、スケーラビリティと厳密さの課題に対処する。 我々は,機械的解釈可能性の研究をテストベッドとして使用し,標準化された研究成果を構築し,MechEvalAgentを開発した。 我々の研究は、AIエージェントが研究評価を変革し、厳格な科学的実践の道を開く可能性を実証している。
  論文  参考訳（メタデータ） (2026-02-05T19:00:02Z)
• A Dataset of Low-Rated Applications from the Amazon Appstore for User Feedback Analysis [5.949233960332969]
  本研究では、Amazon Software Appstore(ASA)からソースされた64の低ランクアプリケーションからキュレートされた新しいデータセットを紹介する。 このデータセットは、ソフトウェアの品質向上に不可欠である、ユーザによって特定される最も頻繁な問題をキャプチャするために設計されている。
  論文  参考訳（メタデータ） (2026-01-06T13:32:49Z)
• AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite [75.58737079136942]
  本稿では,AstaBenchについて紹介する。AstaBenchは,科学的研究を行うためのエージェント能力の総合的な測定を行うスイートである。 私たちのスイートには、プロダクショングレードの検索ツールを備えた、最初の科学研究環境が付属しています。 22のエージェントクラスで57のエージェントを評価したところ,いくつかの興味深い結果が得られた。
  論文  参考訳（メタデータ） (2025-10-24T17:10:26Z)
• LiveResearchBench: A Live Benchmark for User-Centric Deep Research in the Wild [86.6586720134927]
  LiveResearchBenchは、日々の生活、企業、アカデミックにまたがる100の専門家によるタスクのベンチマークである。 DeepEvalは、コンテンツレベルの品質とレポートレベルの品質の両方をカバーする包括的なスイートである。 我々の分析は、信頼性と洞察に富んだ深い研究を進めるために必要な、現在の強み、繰り返し発生する障害モード、および重要なシステムコンポーネントを明らかにします。
  論文  参考訳（メタデータ） (2025-10-16T02:49:16Z)
• Ethical software requirements from user reviews: A systematic literature review [0.0]
  このSLRは,既存の倫理的要件の特定・分析を目的としている。 倫理的要件収集は、ソフトウェアアプリケーションにおける意思決定におけるMLとAIベースのアプローチの台頭により、最近、研究コミュニティに対する大きな関心を呼び起こした。
  論文  参考訳（メタデータ） (2024-09-18T19:56:19Z)
• Towards Extracting Ethical Concerns-related Software Requirements from App Reviews [0.0]
  本研究は、Uberモバイルアプリ(人気のタクシー/ライドアプリ)のアプリレビューを分析した。 アプリレビューからソフトウェア要件を抽出するために知識グラフ(KG)モデルを活用する新しいアプローチを提案する。 私たちのフレームワークは,関連するエンティティと関係を持ったオントロジーを開発すること,アプリレビューから重要なエンティティを抽出すること,それら間のコネクションを作成すること,という3つの主要コンポーネントで構成されています。
  論文  参考訳（メタデータ） (2024-07-19T04:50:32Z)
• The Best Ends by the Best Means: Ethical Concerns in App Reviews [2.0625936401496237]
  App Storeのレビューでは,ソフトウェア欠陥を特定する上で不可欠な,ユーザの視点の収集が可能になる。 ユーザレビュー500万件を収集し、ユーザの好みを表す倫理的懸念のセットを開発し、これらのレビューのサンプルを手作業でラベル付けしました。 検閲、個人情報盗難、安全に関する倫理的懸念を強く報告していることがわかりました。
  論文  参考訳（メタデータ） (2024-01-19T23:53:26Z)
• Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
  データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。 研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。 公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。 残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
  論文  参考訳（メタデータ） (2022-02-03T17:25:46Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)

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。