Monetizing Generative AI: YouTubers' Collective Knowledge on Earning from Generative AI Content
Clark University(克拉克大学);University of Michigan(密歇根大学);Pennsylvania State University(宾夕法尼亚州立大学);Tsinghua University(清华大学)
研究探讨YouTubers如何通过集体构建的GenAI知识,利用生成式AI内容实现盈利,并揭示其中的结构性张力与挑战。
2026-03-10 cs.HC
Facebook Data Shield: Increasing Awareness and Control over Data used by Newsfeed-Generating Algorithms
社交媒体平台的新闻源是由人工智能算法生成的,人工智能算法根据用户数据选择和排序帖子。然而,用户通常不知道哪些数据被收集和用于此目的,他们也无法控制它。为了打开关于用户愿意向新闻推送算法提供哪些数据的讨论,我们创建了Facebook数据盾,这是一个真人大小的交互式安装,用户可以看到并控制收集的数据类型。通过按下按钮,数据类别和/或数据变量可以被激活(去激活)。一个带灯的外缘向用户反馈所产生的新闻源的个性化程度。我们进行了初步研究,以了解用户愿意分享哪些数据,他们的首选控制级别以及此类安装对用户意识的影响。根据我们的研究结果,我们讨论了设计和未来工作的影响。
2023-02-20 cs.HC
Examining the impacts of privacy awareness on user's self-disclosure on social media
本研究旨在探讨使用者隐私意识对其自我揭露行为的影响。我们的主要研究问题是调查年轻的社交媒体用户如何看待在社交媒体上自我披露的好处和风险,以及风险-收益意识如何影响他们对自我披露的评估。根据我们记录的数据,因子分析和三因素方差分析,我们得出结论,谁知道更多的隐私好处的用户在社交媒体上分享更多(F= 36.291; df 1; sig < .001),而那些谁知道的好处较少披露在社交媒体上。分析结果表明,对自我表露风险了解越多的用户在社交媒体上的分享越少(F= 7.001; df 1; sig < .001)。用户在社会媒体平台上的信息披露较少,这是基于其风险感知水平的不同(df 3,F=.715,sig < 0.5)。这表明社交媒体平台上的风险在一定程度上有所不同。我们看到,人们的分享习惯取决于他们的风险、收益和社交媒体平台。有一件事仍然是肯定的,那就是用户在社交媒体上参与和披露的主要好处是他们需要与朋友保持联系,以及他们对社区的需求。另一方面,主要的风险是不需要被人冒充和误解。基于对我们所问的开放式问题的简单频率分析,在我们的数据汇集中,我们回答中最突出的词是“人”和“朋友”。这是我们收集的关于自我披露的好处、风险和意图的所有数据中最突出的两个词。
2023-03-14 cs.HC cs.SI
Encouraging Diversity- and Representation-Awareness in Geographically Centralized Content
在中央集权国家,不仅人口、媒体和经济权力集中,而且人们对中心位置的关注也更多。虽然这本身并不坏,但这种行为延伸到了微博平台:中心位置在信息流方面得到了更多的关注。在本文中,我们研究的信息过滤算法,分散在这样的平台上的内容的影响。特别是,我们发现,来自非中心位置的用户无法识别算法生成的时间轴上的地理多样性,这些时间轴因构造而不同。为了让用户看到固有的多样性,我们定义了一个设计原理来解决这个问题,专注于一个已知的可视化技术:树图。使用我们提出的系统的“野外”部署的交互数据,我们发现,即使在探索性用户行为中存在集中化的影响,树形图也能够使用户看到时间线的固有地理多样性,并参与用户生成的内容。考虑到这些结果,我们提出了微博平台的实际行动,以解释由中心化引起的差异和偏见行为。
2015-10-07 cs.CY cs.HC cs.SI
Privacy by Design: Bringing User Awareness to Privacy Risks in Internet of Things
本文从隐私设计视角探讨物联网隐私风险,通过参与共创工作坊和部署问卷调查,提出了透明、以用户为中心且引发隐私意识的隐私设计原则。
2024-10-16 cs.HC
Collective Story Writing through Linking Images
协同创新是利用群体完成创新任务的方法。在本文中,我们提出了一个合作的众包平台,通过连接一系列的“图像”写的故事。这些连接的图像被称为图像链,反映连续的场景。用户可以通过上传自己的图像或从可用图像中选择来启动或扩展图像链。这些用户被允许从图像链中写下他们的故事。最后,根据获得的投票数发布故事。这提供了一个有组织的故事写作框架,与大多数最先进的协作编辑平台不同。我们对25个贡献者的实验突出了他们对增加较短的图像链但投票较长的图像链的兴趣。
2018-06-16 cs.HC
The privacy protection effectiveness of the video conference platforms' virtual background and the privacy concerns from the end-users
由于全球疫情的突然爆发,视频会议平台变得无处不在,并嵌入到各种数字设备或协同日常工作中。尽管服务提供商设计了许多安全功能来保护个人隐私,如虚拟背景(VB),但VB的不稳定性如何泄露用户的隐私或影响他们的心理和行为仍然有待探索。为了了解和定位终端用户隐私意识及其心理模型的情境意义,我们将对用户进行调查和访谈作为第一阶段的研究。我们将提出设计安全性和稳定性VB方面的概念挑战,并提供设计建议。
2021-10-24 cs.HC
Gamification Techniques for Raising Cyber Security Awareness
由于网上银行和社交媒体等在线服务在现代社会中的普及,用户了解基本的安全措施以确保自己的在线安全非常重要。然而,用户往往不知道如何使他们的在线互动安全,这表明在这一领域的教育需求。近年来,游戏化越来越受欢迎,并已被用来教授人们一系列科目。本文提出了一项探索性研究,调查使用游戏化技术来教育普通用户关于密码安全的知识,目的是提高整体的安全意识。为了探索这些技术的影响,为Android平台开发了一个角色扮演测验应用程序(RPG),以教育用户密码安全性。从工作中获得的结果强调,用户喜欢通过使用密码应用程序进行学习,并认为他们从游戏化技术中受益。未来的工作旨在将原型扩展为完整的解决方案,涵盖一系列安全意识问题。
2019-03-21 cs.CR cs.HC
User Centred Method to Design a Platform to Design Augmentative and Alternative Communication Assistive Technologies
我们描述了一种协同设计的方法来设计在线WebSoKeyTo用于设计AAC。这项合作设计是在一组治疗师和一组人机交互研究人员之间进行的。我们的方法开始使用和评估现有的SoKeyTo AAC设计应用程序。这一步对于治疗师对需求的认识和定义以及研究人员对SoKeyTo的可用性评分的理解至关重要。然后,我们描述了各个阶段(焦点小组,头脑风暴,原型)与保留的协同设计的选择。正在对WebSoKeyTo进行评价。
2022-11-23 cs.HC
Learning from Online Regrets: From Deleted Posts to Risk Awareness in Social Network Sites
像Facebook或Instagram这样的社交网站(SNS)是人们向广泛而多样化的受众展示自己生活的空间。这种做法可能会导致不必要的事件,如声誉受损,失业或骚扰,当私人信息到达意外的收件人。因此,用户经常后悔在这些平台上发布了私人信息,并在有负面体验后删除这些内容。风险意识是一种策略,可用于说服用户做出更安全的隐私决策。然而,许多用于SNS的风险意识技术假设有关风险的信息由该领域的专家检索和测量。因此,风险评估是一项尽管重要但经常被忽略的活动。在这项工作中,我们介绍了一种方法,采用删除后的风险信息工具来衡量的频率和后果水平的自我披露模式在SNS。在这种方法中,后果由用户通过顺序标度报告,随后用于计算风险关键性指数。因此,我们展示了这个指数可以服务于自适应隐私轻推的SNS的设计。
2020-08-21 cs.HC cs.IR
Git Takes Two: Split-View Awareness for Collaborative Learning of Distributed Workflows in Git
ETH Zurich(苏黎世联邦理工学院)
GitAcademy通过分屏协作模式帮助新手学习Git的分布式工作流,提升协作意识和社交存在感。
2026-02-23 cs.HC cs.SE
Can Users Fix Algorithms? A Game-Theoretic Analysis of Collective Content Amplification in Recommender Systems
Massachusetts Institute of Technology(麻省理工学院);Carnegie Mellon University(卡内基梅隆大学)
本文研究了用户通过集体互动对抗推荐算法的机制,发现集体策略可提升推荐质量和用户福利,同时改善推荐系统自身效益。
2026-02-12 cs.CY cs.GT cs.HC
Decline Now: A Combinatorial Model for Algorithmic Collective Action
本文提出首个组合模型研究零工平台工人与平台的策略互动,形式化工人收益、搭便车与参与收益,发现策略平均收益恒为正但参与收益仅在低劳动力过剩时为正,建议轮班制减少过剩以赋能集体。
2024-10-16 cs.GT cs.HC
Body Management Information Practices on a Female-dominant Platform
The Pennsylvania State University(宾夕法尼亚州立大学);Clemson University(克莱姆森大学);Cornell Tech University(康奈尔理工学院);University of Michigan(密歇根大学);University of Chicago(芝加哥大学);Tsinghua University(清华大学)
本文研究女性主导社交媒体平台中用户如何通过浏览和评估身体管理信息影响生活方式,探讨内容与媒体格式对信息评估的影响,并提出设计建议以促进更健康的信息互动。
2025-11-28 cs.HC
Sustaining Cyber Awareness: The Long-Term Impact of Continuous Phishing Training and Emotional Triggers
University of Oslo(奥斯陆大学);University of Luxembourg(卢森堡大学);Technology Innovation Institute(技术创新研究所)
本研究通过20个组织和超1300名员工的12个月纵向实验,发现持续钓鱼模拟与定向训练能在6个月内将员工受骗率减半,且员工流失会波动安全意识,强调了长期行为干预对增强组织网络韧性的战略重要性。
2025-10-31 cs.CR cs.HC
From Users to (Sense)Makers: On the Pivotal Role of Stigmergic Social Annotation in the Quest for Collective Sensemaking
网络已经成为一个占主导地位的认知环境,在全球范围内影响人们的信仰。然而,在线认知环境日益受到污染,损害了社会在全球危机面前进行有效协调的能力。我们认为,中心化平台是认知污染的主要来源,更健康的环境需要重新设计我们共同管理注意力的方式。受去中心化和开源软件运动的启发,我们提出了开源注意力,这是一个社会技术框架,通过去中心化的生态系统来创建,存储和查询耻辱标记,将人类注意力从平台控制中“解放”出来;人类注意力的数字痕迹。
2022-08-04 cs.HC cs.SI
When AI Companions Disappear: Relational Continuity and Collective Contestation during China's National AI Regulatory Transition
Aalto University(阿尔托大学);The University of Edinburgh(爱丁堡大学);Shanghai Jiao Tong University(上海交通大学);Nanyang Technological University(南洋理工大学)
本研究考察中国2026年拟人化AI服务监管下用户反应与集体抗争,基于小红书数据发现用户通过保留、迁移和重建策略维持关系连续性,并通过比较监管实施归因责任,揭示基础设施依赖如何连接关系连续性与集体行动。
2026-09-15 cs.CY cs.HC
JEEVHITAA -- An HCAI Ecosystem to Support Collective Care
IIIT-Delhi(德里印度理工学院信息技术学院);RIT, NY(纽约罗切斯特理工学院)
JEEVHITAA是一个端到端的HCAI系统,通过角色感知的信息共享和可验证的数据流支持多主体护理网络的协调与可信决策。
2026-07-17 cs.AI cs.CR cs.HC
Detecting Deceptive Dark Patterns in E-commerce Platforms
BRACT’s Vishwakarma Institute of Information Technology(BRACT的维什瓦卡玛信息技术学院)
本研究提出结合网络抓取技术与微调BERT语言模型及生成能力,检测电商平台中操纵用户的欺骗性暗模式(含离群值),旨在提升消费者保护意识。
2024-05-27 cs.AI cs.CL cs.HC