論文の概要: Taste for Privacy: How Context, Identity, and Lived-Experience Shape Information Sharing Preferences
- arxiv url: http://arxiv.org/abs/2604.22025v1
- Date: Thu, 23 Apr 2026 19:38:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-27 15:36:26.2459
- Title: Taste for Privacy: How Context, Identity, and Lived-Experience Shape Information Sharing Preferences
- Title（参考訳）: プライバシーの味 - コンテキスト、アイデンティティ、生きた経験のある形状情報共有の方法-
- Authors: Juniper Lovato, Laurent Hébert-Dufresne, Mohsen Ghasemizade, Jonathan St-Onge, Peter S. Dodds, Laura Bloomfield, Mikaela Irene Fudolig, Matthew Price, Christopher Danforth,
- Abstract要約: ソーシャルメディアプラットフォームでPIIを共有する学生の不快感は、プライバシー設定を強く予測する。
過酷な幼少期に直面したグループや参加者は 権力の制度に不満を抱いている
我々は、制度上の関係や人口統計上の脆弱性を認識する文脈適応型プライバシー設定について論じる。
- 参考スコア（独自算出の注目度）: 0.14704700512025745
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Privacy preferences are not fixed individual traits, they depend on context and lived experiences. In this study, we analyze 2,912 survey responses from 782 college students collected over seven survey periods during 2023 and 2024. We ask about their usage of social media, the security settings of their accounts, and measure their comfort in sharing personally identifiable information (PII) across 17 different institutional contexts. Compared to past research, we observe a large shift towards private accounts, going from 1/3rd private in 2007 to 2/3rds in 2024, and find that participants' discomfort sharing PII with social media platforms strongly predicts their privacy settings. Beyond social media, we identify a stable ranking of institutional trust, though some institutions, like the police, show high variability reflecting divergent lived experiences. Traditionally marginalized groups and participants having faced adverse childhood experiences show more discomfort with institutions of power, especially in areas where they face greater vulnerability. We argue for context-adaptive privacy settings that recognize institutional relationships and demographic vulnerabilities, moving beyond one-size-fits-all consent frameworks toward contextually appropriate data governance.
- Abstract（参考訳）: プライバシの好みは固定された個々の特性ではなく、コンテキストや生きた経験に依存します。
本研究では,2023年から2024年にかけての7年間の782人の大学生を対象に,調査回答2,912件を分析した。
ソーシャルメディアの利用状況やアカウントのセキュリティ設定について質問し、17の施設で個人識別可能な情報(PII)を共有する際の快適さを測定した。
過去の研究では,2007年のプライベートアカウントの1/3から2024年のプライベートアカウントの2/3に大きく移行した。
ソーシャルメディア以外では、機関信頼の安定したランキングを特定できるが、警察など一部の機関は、異質な生活経験を反映した高い多様性を示している。
伝統的に疎外されたグループや、悪い幼少期の体験に直面した参加者は、特により脆弱な地域において、権力の制度に対して不快感を抱いている。
我々は、制度上の関係や人口統計上の脆弱性を認識するコンテキスト適応型プライバシー設定について論じる。
関連論文リスト
- PrivAct: Internalizing Contextual Privacy Preservation via Multi-Agent Preference Training [14.144464261335031]
PrivActは、コンテキスト対応のプライバシーを意識したマルチエージェント学習フレームワークである。
プライバシに準拠したエージェントアクションのために、コンテキストプライバシ保護を直接モデルの生成動作に内部化する。
実験では、コンテキストのプライバシー保護が一貫した改善を示し、リーク率を最大12.32%削減した。
論文 参考訳（メタデータ） (2026-02-14T18:07:51Z) - MAGPIE: A dataset for Multi-AGent contextual PrIvacy Evaluation [54.410825977390274]
LLMエージェントのコンテキストプライバシを評価するための既存のベンチマークは、主にシングルターン、低複雑さタスクを評価する。
まず、15ドメインにわたる158のリアルタイムハイテイクシナリオからなるベンチマーク-MAGPIEを示す。
次に、コンテキスト的にプライベートなデータに対する理解と、ユーザのプライバシを侵害することなくコラボレーションする能力に基づいて、最先端のLCMを評価します。
論文 参考訳（メタデータ） (2025-06-25T18:04:25Z) - PrivacyLens: Evaluating Privacy Norm Awareness of Language Models in Action [54.11479432110771]
PrivacyLensは、プライバシに敏感な種子を表現的なヴィグネットに拡張し、さらにエージェントの軌跡に拡張するために設計された新しいフレームワークである。
プライバシの文献とクラウドソーシングされたシードに基づいて、プライバシの規範のコレクションをインスタンス化する。
GPT-4やLlama-3-70Bのような最先端のLMは、プライバシー強化の指示が出されたとしても、機密情報を25.68%、38.69%のケースでリークしている。
論文 参考訳（メタデータ） (2024-08-29T17:58:38Z) - Privacy Checklist: Privacy Violation Detection Grounding on Contextual Integrity Theory [43.12744258781724]
単純なパターンマッチングではなく、推論問題としてプライバシー問題を定式化します。
我々は、社会的アイデンティティ、プライベート属性、および既存のプライバシー規則を網羅する、最初の包括的なチェックリストを開発する。
論文 参考訳（メタデータ） (2024-08-19T14:48:04Z) - Differentially Private Distributed Inference [2.4401219403555814]
臨床試験に協力する医療センターは、知識共有と機密データ保護のバランスを取る必要がある。
情報漏洩を制御するために差分プライバシー(DP)を用いてこの問題に対処する。
エージェントはログリニアルールを通じて信条統計を更新し、DPノイズは信頼性の高い識別性と厳格な性能保証を提供する。
論文 参考訳（メタデータ） (2024-02-13T01:38:01Z) - Privacy and Fairness in Federated Learning: on the Perspective of
Trade-off [58.204074436129716]
フェデレートラーニング(FL)は近年ホットな話題となっている。
2つの重要な倫理的概念として、プライバシと公平性の相互作用は比較的研究されていない。
論文 参考訳（メタデータ） (2023-06-25T04:38:19Z) - 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) - Ctrl-Shift: How Privacy Sentiment Changed from 2019 to 2021 [14.600192799641077]
我々は、2019年から2021年までの政府および健康関連の目的で、データの収集と利用に対する米国の人々の感情について調査する。
新型コロナウイルスの感染拡大に伴い、政府のデータ利用の受け入れが大幅に減少するのが観察された。
2020年のアメリカ合衆国大統領選挙の後、プライバシーの感情がユーザーの政治と権力を持つ政党の整合性に基づいて変化するという最初の証拠を観察する。
論文 参考訳（メタデータ） (2021-10-18T16:13:02Z)
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。