One approach to this problem is to

One approach to this problem is to create a privacy-preserving system architecture that can compute recommendations without explicitly knowing the users’ input
data [Canny 2002b; 2002a; Polat and Du 2005a; 2005b]. However, this disregards the
fact that users’ perception of the potential privacy threats may differ from the actual
threats [John et al. 2011]. Another remedy is to give users explicit control over what
information they disclose [Wenning and Schunter 2006; Kolter and Pernul 2009].
Information disclosure then becomes an explicit decision, in which users have to
make a trade-off between the potential benefits of disclosure and the possibly
ensuing privacy risks [Mabley 2000; Chellappa and Sin 2005; Taylor et al. 2009].
Decision-making is an inherently complex problem though, especially when the
outcomes are uncertain or unknown [Kahneman and Tversky 1979; Kahneman et al.
1982; Gigerenzer and Goldstein 1996]. In the field of privacy, this complex decision
process has been aptly dubbed “privacy calculus” [Culnan 1993; Laufer and Wolfe
1977]. When users have to decide whether or not to disclose personal information to a
recommender system, they typically know little about the positive and negative
consequences of disclosure [Acquisti and Grossklags 2005; Acquisti and Grossklags
2008].
Another problem is that users’ information disclosure decisions are highly
dependent on the context [Lederer et al. 2003; Li et al. 2010; Nissenbaum 2010; John
et al. 2011]. Researchers have looked at various techniques to assist or influence
users in such decisions, such as reordering the disclosure requests to increase
disclosure [Acquisti et al. 2011], providing justifications for disclosing (or not
disclosing) certain information [Kobsa and Teltzrow 2005; Besmer et al. 2010; Patil
et al. 2011; Acquisti et al. 2011], or displaying privacy seals or statements [Rifon et
al. 2005; Hui et al. 2007; Egelman et al. 2009; Xu et al. 2009]. While these studies
yielded interesting and occasionally even counterintuitive results, those results are
mostly quite isolated. For instance, some research focuses on increasing disclosure
behavior, but disregards users’ perception of the system and their satisfaction with
the experience of using it (see section 2.1). Others study users’ general privacy
concerns, but disregard their impact on disclosure behavior (see section 2.2).
Research relevant to privacy-related decision-making is scattered across several
disparate thrusts, including research on increasing information disclosure, research
on user perception and satisfaction (also called ‘user experience’), and research on
privacy concerns as personal traits.
To make relevant and robust contributions, research on users’ reluctance to
disclose personal data to context-based recommender systems should forge the
divergent contributions into a unified approach. By incorporating system-related
perceptions and experiences as mediators to information disclosure behavior, such an
approach can provide insights into the cognitive processes involved in users’ privacy
calculus, and explain how suggested system improvements as well as personal
privacy concerns impact information disclosure decisions. This paper develops such
an encompassing approach (section 2) and applies it to the analysis of an online user
experiment with a mockup of a mobile app recommender system (section 3). Section 4
reflects on the results of this experiment and integrates them with qualitative
findings from an interview study. Section 5 finally provides conclusions and
suggestions for future research.

ผลลัพธ์ (ไทย) 1:

ปัญหานี้วิธีหนึ่งคือการ สร้างสถาปัตยกรรมระบบการรักษาความเป็นส่วนตัวที่สามารถคำนวณคำแนะนำโดยไม่ทราบอย่างชัดเจนของผู้ใช้ ป้อนข้อมูล ข้อมูล [แหลม 2002b; 2002a Polat และดู 2005a 2005b] . อย่างไรก็ตาม นี้ไม่คำนึงถึงการ ข้อเท็จจริงที่รับรู้ของผู้ใช้ของภัยคุกคามความเป็นส่วนตัวอาจแตกต่างจากมูลค่าที่แท้จริง คุกคาม [จอห์นเอ็ด al. 2011] อื่นเป็นเพื่อ ให้ผู้ใช้ควบคุมที่ชัดเจน ข้อมูลที่พวกเขาเปิดเผย [Wenning และ Schunter 2006 Kolter ก Pernul 2009] เปิดเผยข้อมูลนั้นกลายเป็น ตัดสินใจชัดเจน ผู้ใช้จะต้อง ต้อง trade-off ระหว่างประโยชน์อาจเปิดเผยและอาจ เพราะในความเป็นส่วนตัวความเสี่ยง [Mabley 2000 Chellappa และบาป 2005 Taylor et al. 2009]ตัดสินใจจะมีปัญหามีความซับซ้อนแต่ โดยเฉพาะอย่างยิ่งเมื่อการ ผลที่ได้ไม่แน่ใจ หรือไม่รู้จัก [Kahneman และ Tversky 1979 Kahneman et al 1982 Gigerenzer ก Goldstein 1996] ในฟิลด์ความเป็นส่วนตัว ตัดสินใจที่ซับซ้อนนี้ กระบวนการมีการ aptly พากย์ "แคลคูลัสความเป็นส่วนตัว" [Culnan 1993 Laufer และ Wolfe 1977] เมื่อผู้ใช้ต้องตัดสินใจว่า จะเปิดเผยข้อมูลส่วนบุคคลหรือไม่มี ระบบผู้แนะนำ พวกเขามักจะรู้น้อย เกี่ยวกับการบวก และลบ ผลกระทบของการเปิดเผย [Acquisti และ Grossklags 2005 Acquisti และ Grossklags 2008] ปัญหาอื่นจะตัดสินใจเปิดเผยข้อมูลของผู้ใช้สูง ขึ้นอยู่กับบริบท [Lederer et al. 2003 Li et al. 2010 Nissenbaum 2010 จอห์น ร้อยเอ็ด al. 2011] นักวิจัยได้ดูเทคนิคต่าง ๆ ในการช่วยเหลือ หรือมีอิทธิพลต่อ ผู้ตัดสินใจเช่น เช่นการร้องขอการเปิดเผยข้อมูลเพื่อเพิ่มการสั่งซื้อใหม่ เหตุผลสำหรับการเปิดเผย หรือไม่ให้เปิดเผย [Acquisti et al. 2011], เปิดเผย) บางข้อมูล [Kobsa และ Teltzrow 2005 Besmer et al. 2010 ภา al. et 2011 Acquisti et al. 2011], หรือแสดงสัญลักษณ์ความเป็นส่วนตัวหรืองบ [Rifon et al. 2005 ฮุย et al. 2007 Egelman et al. 2009 Xu et al. 2009] ขณะนี้การศึกษา ผลที่น่าสนใจ และบางครั้งแม้ counterintuitive ผลลัพธ์ ผลลัพธ์เหล่านั้นมี ส่วนใหญ่ค่อนข้างแยกต่างหาก ตัวอย่าง งานวิจัยบางเน้นเพิ่มเปิดเผย ลักษณะการทำงาน แต่ละเว้นการรับรู้ของผู้ใช้ระบบและความพึงพอใจด้วย ประสบการณ์ของการใช้ (ดูหัวข้อ 2.1) อื่น ๆ ศึกษาส่วนบุคคลทั่วไปของผู้ใช้ แต่ความกังวล ไม่สนใจผลกระทบของพฤติกรรมเปิดเผย (ดูหัวข้อ 2.2) งานวิจัยที่เกี่ยวข้องกับการตัดสินใจที่เกี่ยวข้องกับความเป็นส่วนตัวจะกระจายอยู่หลาย thrusts แตกต่างกัน รวมถึงงานวิจัยในการเพิ่มการเปิดเผยข้อมูล วิจัย ผู้ใช้รับรู้ และความพึงพอใจ (หรือที่เรียกว่า 'ผู้ใช้ประสบการณ์'), และวิจัย ความกังวลความเป็นส่วนตัวเป็นลักษณะส่วนบุคคลเพื่อให้ผลงานที่เกี่ยวข้อง และแข็งแกร่ง งานวิจัยผู้ไม่เต็มใจไป เปิดเผยข้อมูลส่วนบุคคลกับระบบผู้แนะนำตามบริบทจะปลอมตัว ผลงานขันติธรรมเป็นวิธีการประกอบการ โดยเว็บที่เกี่ยวข้องกับระบบ รับรู้และประสบการณ์เป็นการอักเสบที่ให้ข้อมูลเปิดเผยลักษณะการทำงาน เช่นการ วิธีให้ความเข้าใจในกระบวนการรับรู้ที่เกี่ยวข้องกับข้อมูลส่วนบุคคลของผู้ใช้ แคลคูลัส และอธิบายการปรับปรุงระบบการแนะนำเป็นส่วนตัว ความกังวลส่วนตัวส่งผลกระทบต่อการตัดสินใจเปิดเผยข้อมูล กระดาษนี้พัฒนาเช่น ท่านมีวิธี (ส่วน 2) และนำไปใช้กับการวิเคราะห์ของผู้ใช้ออนไลน์ ทดลองกับ mockup ระบบผู้แนะนำ app มือถือ (3 ส่วน) ส่วน 4 สะท้อนให้เห็นถึงผลของการทดลองนี้ และทำงานประสานกับคุณภาพ ค้นพบจากการศึกษาสัมภาษณ์ 5 ส่วนมีบทสรุปสุดท้าย และ ข้อเสนอแนะสำหรับการวิจัยในอนาคต

ผลลัพธ์ (ไทย) 2:

วิธีการหนึ่งที่จะแก้ไขปัญหานี้คือการสร้างสถาปัตยกรรมระบบรักษาความเป็นส่วนตัวที่สามารถคำนวณได้โดยไม่ต้องให้คำแนะนำอย่างชัดเจนรู้ของผู้ใช้อินพุท
ข้อมูล [แสนรู้ 2002b; 2002a; Polat และ Du 2005a; 2005b] แต่นี้สภาพแวดล้อม
จริงที่ว่าการรับรู้ของผู้ใช้ภัยคุกคามความเป็นส่วนตัวที่มีศักยภาพอาจแตกต่างจากที่เกิดขึ้นจริง
ภัยคุกคาม [จอห์นและคณะ 2011] วิธีการรักษาก็คือการให้ผู้ใช้ควบคุมอย่างชัดเจนมากกว่าสิ่งที่
ข้อมูลที่พวกเขาเปิดเผย [Wenning และ Schunter 2006; . Kolter และ Pernul 2009]
การเปิดเผยข้อมูลแล้วจะกลายเป็นข้อมูลประกอบการตัดสินใจที่ชัดเจนในการที่ผู้ใช้จะต้อง
ทำให้การค้าระหว่างผลประโยชน์ที่อาจเกิดขึ้นจากการเปิดเผยข้อมูลและอาจจะเป็น
ความเสี่ยงที่ตามมาความเป็นส่วนตัว [Mabley 2000; Chellappa และบาป 2005; เทย์เลอร์และคณะ 2009.]
ตัดสินใจเป็นปัญหาที่ซับซ้อนโดยเนื้อแท้ แต่โดยเฉพาะอย่างยิ่งเมื่อ
ผลมีความไม่แน่นอนหรือไม่ทราบ [Kahneman และ Tversky 1979; Kahneman et al.
1982; Gigerenzer และโกลด์สตีน 1996] ในด้านของความเป็นส่วนตัว, การตัดสินใจครั้งนี้มีความซับซ้อน
ของกระบวนการที่ได้รับการขนานนามว่าเหมาะเจาะ "ความเป็นส่วนตัวแคลคูลัส" [Culnan 1993; Laufer และวูล์ฟ
1977] เมื่อผู้ใช้มีการตัดสินใจหรือไม่ที่จะเปิดเผยข้อมูลส่วนบุคคลไปยัง
ระบบ recommender พวกเขามักจะรู้เล็ก ๆ น้อย ๆ เกี่ยวกับการบวกและลบ
ผลกระทบของการเปิดเผยข้อมูล [Acquisti และ Grossklags 2005; Acquisti และ Grossklags
2008].
ปัญหาก็คือว่าผู้ใช้ตัดสินใจเปิดเผยข้อมูลเป็นอย่างมาก
ขึ้นอยู่กับบริบท [Lederer และคณะ 2003; Li et al, 2010; Nissenbaum 2010; จอห์น
และคณะ 2011] นักวิจัยได้มองไปที่เทคนิคต่างๆเพื่อให้ความช่วยเหลือหรือมีอิทธิพลต่อ
ผู้ใช้ในการตัดสินใจดังกล่าวเช่นการเรียงลำดับการร้องขอการเปิดเผยข้อมูลที่จะเพิ่ม
การเปิดเผย [Acquisti และคณะ 2011] ให้เหตุผลในการเปิดเผย (หรือไม่
เปิดเผย) ข้อมูลบางอย่าง [Kobsa และ Teltzrow 2005; Besmer และคณะ 2010; พาติล
และคณะ 2011; Acquisti และคณะ 2011] หรือการแสดงแมวน้ำความเป็นส่วนตัวหรืองบ [Rifon และ
อัล 2005; ฮุยและคณะ 2007; Egelman และคณะ 2009; Xu และคณะ 2009] ในขณะที่การศึกษาเหล่านี้
ส่งผลให้ผลลัพธ์ที่น่าสนใจและบางครั้งแม้ counterintuitive ผลผู้ที่มี
ส่วนใหญ่ค่อนข้างโดดเดี่ยว ยกตัวอย่างเช่นบางวิจัยมุ่งเน้นไปที่การเปิดเผยข้อมูลที่เพิ่มขึ้น
พฤติกรรม แต่สภาพแวดล้อมการรับรู้ของผู้ใช้ของระบบและความพึงพอใจกับ
ประสบการณ์ของการใช้มัน (ดูหัวข้อ 2.1) อื่น ๆ การศึกษาของผู้ใช้ทั่วไปเป็นส่วนตัว
กังวล แต่ไม่สนใจผลกระทบต่อพฤติกรรมการเปิดเผยข้อมูล (ดูหัวข้อ 2.2).
การวิจัยที่เกี่ยวข้องกับการตัดสินใจที่เกี่ยวข้องกับความเป็นส่วนตัวจะกระจายอยู่ในหลาย
จังหวะที่แตกต่างกันรวมถึงการวิจัยเกี่ยวกับการเพิ่มการเปิดเผยข้อมูลการวิจัย
เกี่ยวกับการรับรู้ของผู้ใช้และความพึงพอใจ (ที่เรียกว่า 'ประสบการณ์ของผู้ใช้) และการวิจัยเกี่ยวกับ
ความเป็นส่วนตัวเป็นลักษณะส่วนบุคคล.
เพื่อให้มีส่วนร่วมที่เกี่ยวข้องและมีประสิทธิภาพ, การวิจัยเกี่ยวกับความไม่เต็มใจของผู้ใช้ในการ
เปิดเผยข้อมูลส่วนตัวกับบริบทที่ใช้ระบบ recommender ปลอมควร
มีส่วนร่วมที่แตกต่างกันเป็นวิธีการแบบครบวงจร โดยผสมผสานระบบที่เกี่ยวข้องกับ
การรับรู้และประสบการณ์เป็นผู้ไกล่เกลี่ยกับพฤติกรรมการเปิดเผยข้อมูลเช่น
วิธีการที่สามารถให้ข้อมูลเชิงลึกในกระบวนการทางปัญญาที่เกี่ยวข้องกับความเป็นส่วนตัวของผู้ใช้
แคลคูลัสและอธิบายว่าข้อเสนอแนะการปรับปรุงระบบเช่นเดียวกับส่วนบุคคลที่
ส่งผลกระทบต่อความเป็นส่วนตัวในการตัดสินใจการเปิดเผยข้อมูล กระดาษนี้พัฒนาเช่น
วิธีเบ็ดเสร็จ (ส่วนที่ 2) และนำไปใช้กับการวิเคราะห์ของผู้ที่ online
ทดสอบกับ mockup ของ app มือถือระบบ recommender (มาตรา 3) หมวดที่ 4
สะท้อนให้เห็นถึงผลของการทดลองนี้และรวมพวกเขาด้วยคุณภาพ
ผลการวิจัยจากการศึกษาการสัมภาษณ์ มาตรา 5 ในที่สุดก็มีข้อสรุปและ
ข้อเสนอแนะสำหรับการวิจัยในอนาคต