计算机科学>人机交互
标题: 基于Empathy的沙盒方法,弥合态度、目标、知识和行为之间的隐私差距
摘要: 管理隐私以实现隐私目标是一项挑战,隐私态度与行为差距就是明证。 要缓解这种差异,需要解决方案既考虑到系统的不透明性,也考虑到用户在测试不同隐私设置时由于担心意外数据泄露而产生的犹豫。 我们引入了一种基于移情的方法,允许用户从人工生成角色的角度体验隐私属性如何在无风险的沙箱环境中改变系统结果。 为了生成真实的人物角色,我们引入了一种新的管道,它使用少量的学习、语境化和思想链来增强大型语言模型(例如GPT-4)的输出。 我们的实证研究证明了生成的人物角色具有足够的质量,并强调了不同人物角色导致的隐私相关应用程序(例如在线广告)的变化。 此外,用户在与我们的沙箱交互时,对角色表现出认知和情感共鸣。 我们为下游应用程序提供了设计启示,以提高用户的隐私素养。