Wanneer mensen zien dat ze hun privacy-instellingen kunnen beheren op websites en apps die entertainment of productaanbevelingen aanbieden, ze hebben de neiging om meer vertrouwen te hebben in die sites, volgens onderzoekers.

In een onderzoek, een mock-up van een online filmaanbevelingssysteem dat alleen suggereerde dat gebruikers privacy-instellingen konden aanpassen, had de neiging om hun gevoel van controle te vergroten, waardoor hun privacyzorgen over de site werden weggenomen. De deelnemers hoefden die aanpassingen niet fysiek te maken om dat gevoel van controle te voelen, zei S. Shyam Sundar, James P. Jimirro hoogleraar media-effecten, co-directeur van het Media Effects Research Laboratory in het Donald P. Bellisario College of Communications en filiaal van Penn State's Institute for CyberScience (ICS).

"Deze keu, zelf, is eigenlijk behoorlijk krachtig in het geven van een gevoel van controle en het verminderen van privacyproblemen, ' zei Sundar.

Deelnemers gaven ook aan dat de cue dat ze hun privacy-instellingen konden aanpassen, hen meer bereid maakte om meer persoonlijke informatie vrij te geven.

Online aanbevelingssystemen hanteren doorgaans een van de twee benaderingen om unieke, op de gebruiker afgestemde opties:gepersonaliseerd, ook bekend als systeemgekozen, of aangepast, waar de gebruiker de keuze maakt, volgens Sundar, die met Bo Zhang werkte, voormalig doctoraatsstudent massacommunicatie aan Penn State en momenteel onderzoeker naar gebruikerservaringen bij Facebook.

Zhang zei dat beide opties gebruikers voor- en nadelen bieden. Bijvoorbeeld, gepersonaliseerde aanbevelingen vergen weinig inspanning van de gebruiker, maar omdat voor de aanbevelingen de keuzes van een gebruiker moeten worden bijgehouden, het kan gebruikers het gevoel geven dat hun privacy wordt geschonden. Anderzijds, maatwerk kan lastig zijn, constante aandacht nodig hebben, maar ook acties om steeds actief keuzes te maken. Dit heeft ertoe geleid dat ontwikkelaars twee soorten personalisatiemodellen hebben ontwikkeld:proactief en reactief. Proactieve personalisatie genereert automatisch aanbevelingen, terwijl een systeem met reactieve personalisatie de toestemming van een gebruiker vraagt ​​voordat het aanbevelingen doet.

"Het blijkt dat dit soort personalisatie hun problemen heeft, te, " zei Sundar. "Proactieve personalisatie kan opdringeriger zijn, terwijl reactieve personalisatie de gebruiker kan overladen met berichten en verzoeken."

Deelnemers aan het onderzoek beoordeelden de filmaanbevelingen als kwalitatief beter wanneer deze via proactieve personalisatie aan hen werden geleverd, maar ze uitten grotere zorgen over de privacy dan deelnemers die dezelfde filmaanbevelingen ontvingen via reactieve personalisatie.

"Wat we vroegen was:is er een manier om de ergernis van mensen over deze proactieve personalisatie te minimaliseren zonder altijd hun toevlucht te hoeven nemen tot reactieve personalisatie?" zei Zhang. "Is er een middenweg, zoals dat, voordat u de app zelfs maar gaat gebruiken, u kunt eenvoudig uw privacy-instellingen op de hele site aanpassen, of wereldwijd?"

De onderzoekers, die hun bevindingen rapporteren in een aankomend nummer van het International Journal of Human-Computer Studies, zei dat deelnemers die in het verleden privacyschendingen hadden meegemaakt, zich meer zorgen maakten over zowel reactieve als proactieve personalisatie. Ze wilden ook meer controle over het beheer van hun privacy.

"Voor deze mensen het maakt echt een verschil om actief aan te passen in plaats van alleen te weten dat er privacyaanpassingsopties bestaan, "zei Sundar. "Maar, voor gebruikers zonder eerdere ervaring met privacyschendingen, het simpelweg aanbieden van aanpassingssignalen op de interface had hetzelfde effect als handelen op aanpassingsopties."

Hoewel deze aanwijzingen ethisch kunnen worden gebruikt door bedrijven die de gebruikerservaring willen verbeteren, Sundar zei dat mensen zich ervan bewust moeten zijn dat kwaadwillende organisaties misbruik kunnen maken van de vooringenomenheid om iemands waakzaamheid te verlagen om persoonlijke gegevens te extraheren.

Voor de studie, de onderzoekers rekruteerden 326 mensen om een ​​mock online Bollywood-filmaanbevelingssite genaamd Bollybox te beoordelen. De deelnemers werden geworven via Amazon Mechanical Turk, een online crowdsourcing-website die vaak wordt gebruikt in onderzoeken. Van de 326 eerste deelnemers, 299 voltooiden uiteindelijk de studie.

De deelnemers vulden een pretestvragenlijst in die demografische informatie zocht, evenals gemeten kenmerken, met inbegrip van de technologische expertise van de proefpersonen, interesse in films en houding ten opzichte van online privacy. De vragenlijst onderzocht ook of de deelnemer ooit zijn privacy had geschonden.

De proefpersonen werden willekeurig toegewezen aan een van de experimentele omstandigheden die maatwerk en reactieve en proactieve personalisatie testten. De aanpassingsvoorwaarde had drie niveaus:een versie zonder een aanwijzing dat privacy-instellingen konden worden gewijzigd; een versie met een lijst met acties voor het instellen van privacy; en een cue-conditie die zojuist het bestaan ​​​​van privacy-instellingen liet zien. Naast de pagina met privacyinstellingen, het websitemodel had een "Over" -pagina en een aanbevelingspagina, waar het proactief of na het vragen van gebruikersinvoer en toestemming aanbevelingen heeft gedaan.

Hoewel dit onderzoek zich toespitste op de invloed van privacy-instellingen op gebruikers op online filmaanbevelingssites, toekomstig onderzoek zou kunnen kijken naar aanbevelingssystemen voor andere soorten inhoud en diensten.