PDF暗黑模式：过去、现在和未来
欺骗性用户界面的演变
Arvind Narayanan、Arunesh Mathur、Marshini Chetty 和 Mihir Kshirsagar
暗黑模式是指通过引导用户做出他们原本可能不会做的决定，从而使在线服务受益的用户界面。一些暗黑模式欺骗用户，而另一些则隐蔽地操纵或胁迫用户做出不符合他们最佳利益的选择。最近，一些骇人听闻的例子引发了公众的强烈反对：TurboTax 在其网站上隐藏了美国政府强制要求的面向低收入用户的免费报税程序，以诱导他们使用其付费程序；9 Facebook 要求用户输入电话号码进行双重身份验证，但随后将这些号码用于投放定向广告；31 Match.com 明知故犯地让诈骗者在其在线约会应用程序中生成虚假的兴趣消息，以诱使用户注册其付费服务。13 许多暗黑模式已在网络上大规模采用。图 1 显示了 JustFab 上的欺骗性倒计时器暗黑模式。即使在计时器过期后，广告宣传的优惠仍然有效。这种模式是一种常见的策略——最近的一项研究发现 140 个购物网站上存在这种欺骗性倒计时器。20
研究界已经注意到这一点。最近的努力编录了数十种有问题的模式，例如唠叨用户、阻碍任务流程以及设置侵犯隐私的默认设置，1,18 这些都建立在 Harry Brignull (darkpatterns.org) 早期的努力之上。研究人员还解释了暗黑模式如何通过利用认知偏差来运作，4,20,33 在 1200 多个购物网站上发现了暗黑模式，20 表明超过 95% 的流行 Android 应用程序包含暗黑模式，8 并提供了初步证据表明暗黑模式确实可以有效地操纵用户行为。19,30
尽管暗黑模式最近才进入主流意识，但它们是三十年长期趋势的结果：一个来自零售世界（欺骗性做法），一个来自研究和公共政策（助推），第三个来自设计界（增长黑客）。
图 2 说明了暗黑模式如何站在这三种趋势的交汇处。理解这些趋势——以及它们如何相互碰撞——对于帮助我们理解暗黑模式的真正新颖之处至关重要，揭示了它们令人惊讶的有效性，并向我们展示了为什么很难对抗它们。在本文的结尾，我们为具有道德意识的设计师提出了建议。
零售业中的欺骗和操纵
零售业有着悠久的欺骗和操纵行为历史，这些行为的范围从常态化到非法（图 3）。其中一些技术，例如心理定价（即，使价格略低于整数），已经变得常态化。这是完全合法的，消费者也勉强接受了它。尽管如此，它仍然有效：当消费者依靠记忆时，如果采用心理定价，他们会低估价格。3
来源
(a) 心理定价https://www.crazyspeedtech.com/5-major-stages-psychological-pricing/
(b) 虚假宣传商店倒闭
https://www.dealnews.com/features/What-Happens-When-a-Store-Closes/2203265.html
(c) 诱饵和转换汽车广告
https://www.ftc.gov/enforcement/cases-proceedings/1223269/ganley-ford-west-inc-matter
更成问题的是诸如虚假声称商店倒闭之类的做法，这些做法是非法的，但很少成为执法行动的目标。另一个极端是诱饵和转换汽车广告，例如克利夫兰一家福特经销商的广告，该广告成为联邦贸易委员会行动的目标。14
助推的起源
在 1970 年代，行为经济学中的启发式和偏见文献试图理解非理性决策和行为——例如，人们因为认为航空旅行危险而决定开车，即使事实上，每英里驾驶的危险程度要高几个数量级。29 研究人员发现了一系列人们使用的认知捷径，这些捷径使这些非理性行为不仅可以解释，甚至可以预测。
例如，在一个实验中，研究人员要求参与者写下一个本质上是随机的两位数（每个参与者的社会安全号码的后两位数字），然后询问他们是否愿意支付这个数字的美元购买一瓶葡萄酒，最后要求参与者说出他们愿意为这瓶酒支付的最高金额。2 他们发现，支付意愿根据任意数字变化了大约三倍。这就是锚定效应：由于缺乏对葡萄酒市场价值的了解，参与者的估计值被锚定在任意参考点上。这项研究很容易让人看到企业如何通过将客户的期望锚定在一个较高的数字上来引导他们支付更高的价格。然而，总的来说，对心理偏见的研究并非由零售或营销中的应用驱动。那将在稍后到来。
助推：转向家长式作风
早期关于该主题的行为研究侧重于理解而不是干预。一些学者，例如卡斯·桑斯坦和理查德·塞勒，《助推》一书的作者，28 进一步提出了政策论点：政府、雇主和其他仁慈的机构应该以一种利用行为科学来造福他们服务或雇用的人的方式来设计“选择架构”。
一个著名的例子（图 4）是器官捐赠同意率的显著差异，在人们必须明确表示同意的国家（红色条）与那些推定同意的国家（橙色条）之间。由于大多数人倾向于不改变默认选项，因此后者导致同意率显着提高。17
今天，助推不仅被政府和雇主热情地采用，而且也被企业在与客户沟通的方式中采用。您可能在酒店房间里看到的毛巾重复使用信息（“这家酒店 75% 的客人通常多次使用他们的毛巾”）是有效的，因为它使用描述性社会规范作为规范性规则来促使人们改变他们的行为。16
事后看来，助推的支持者和批评者都没有预料到企业会多么容易和积极地以对抗性而非家长式的方式采用这些技术。在《助推》中，桑斯坦和塞勒简要地讨论了如何判断助推是否符合道德规范的问题，但讨论很敷衍。作者似乎对最近的发展感到非常惊讶，并且已经与暗黑模式拉开了距离，他们将暗黑模式标记为“污泥”。27
增长黑客
第三个趋势——也是最直接演变成暗黑模式的趋势——是增长黑客。最著名且可以说是最早的增长黑客是由 Hotmail 实施的。当它在 1996 年推出时，创始人首先考虑了传统的营销方法，例如广告牌广告。相反，他们偶然发现了一种病毒式营销策略：该服务自动将签名“获取您的 Hotmail 免费电子邮件”添加到每封外发电子邮件中，实际上是让用户代表其进行广告宣传，从而实现了病毒式增长。21
诸如此类的成功导致了增长黑客作为一个独特社区的出现。增长黑客接受过设计、编程和营销方面的培训，并利用这些技能来推动产品采用。
增长黑客本身并非固有地具有欺骗性或操纵性，但在实践中通常如此。例如，在诸如度假租赁之类的双边市场中，初创企业不可避免地面临先有鸡还是先有蛋的问题：没有房东就没有旅客，没有旅客就没有房东。因此，用虚假或从竞争对手那里抓取的房源“播种”此类服务已成为一种常见的做法。22,23
毫不奇怪，增长黑客有时会引发法律纠纷。一种非常流行的增长黑客技术涉及获取对用户通讯录的访问权限——通常使用欺骗手段——然后向这些联系人发送垃圾邮件，邀请他们试用某项服务。邀请函本身可能具有欺骗性，表面上看起来来自用户，但实际上用户并不知道这些电子邮件正在发送。领英公司因其在 2011 年至 2014 年间使用的这种做法而达成了一项集体诉讼和解。25
从增长黑客到暗黑模式
但为什么是增长而不是收入或其他目标？这反映了硅谷的增长至上理念，在这种理念中，创收活动被搁置，直到市场支配地位实现之后。当然，最终每项服务都会遇到增长限制，因为饱和或竞争，因此增长黑客开始调整他们通常具有操纵性的技术，以从现有用户那里提取和最大化收入。
在开发他们的心理技巧库时，增长黑客拥有两种传统线下零售业无法获得的武器。第一个是助推运动帮助揭示了行为改变的原则。相比之下，直接研究心理技巧对销售影响的营销文献相对有限，因为它没有深入研究基本原则，并且仅限于零售领域。
第二个武器是 A/B 测试（图 5）。通过向随机选择的两个或多个用户子集提供网页的变体，设计师开始发现，即使是对设计元素的看似微不足道的更改也可能导致行为上的重大差异。用户界面数据驱动优化的理念已深深扎根于许多公司的设计流程中。对于拥有数百万用户的大型在线服务来说，同时运行数十个 A/B 测试是很典型的，正如谷歌前首席视觉设计师道格拉斯·鲍曼在 2009 年指出的那样
是的，谷歌的一个团队确实无法在两种蓝色之间做出决定，因此他们正在测试每种蓝色之间的 41 种色调，以查看哪种效果更好。我最近就边框应该是 3 像素、4 像素还是 5 像素宽进行了辩论，并被要求证明我的观点。我无法在这样的环境中工作。我已经厌倦了争论如此微小的设计决策。这个世界上还有更多令人兴奋的设计问题需要解决。
—道格拉斯·鲍曼
A/B 测试被证明是暗黑模式发展的关键，因为它远非显而易见如何将诸如社会认同之类的抽象原则转化为具体的助推（“现在有 7 个人在看这家酒店！”）。另一个例子：虚假倒计时器应该设置多长时间（“此优惠将在 15 分钟后过期！”...“14:59”...“14:58”...），以便用户采取紧急行动但不会惊慌失措？在线实验允许设计师仅用几行代码就能找到答案。
金钱、数据、注意力
让我们回顾一下。随着在线经济的成熟，服务将其注意力从增长转向收入。他们使用了行为影响的原则，但通过以损害消费者自主权和知情选择的方式使用这些原则，从而颠覆了发现这些原则的研究人员的意图。他们使用 A/B 测试将行为洞察力转化为非常有效的用户界面。在某些情况下，这些是对长期以来在零售业中使用的技巧的优化版本，但在其他情况下，它们是全新的。
那么，暗黑模式究竟如何帮助公司最大化从用户那里获取收入的能力呢？最明显的方法是简单地引导（或欺骗）消费者比他们原本愿意花费的更多。
暗黑模式一个不太明显但同样普遍的目标是侵犯隐私。例如，cookie 同意对话框几乎普遍采用操纵性设计来增加用户同意跟踪的可能性。事实上，最近的一篇论文表明，当被要求选择加入时，远低于 1% 的用户会提供知情同意。30 诸如 GDPR（通用数据保护条例）之类的法规要求公司获得跟踪的明确同意，这对在线跟踪和广告行业的许多公司构成了生存威胁。作为回应，他们似乎正在转向大规模使用暗黑模式。30
暗黑模式的第三个目标是使服务具有成瘾性。这个目标支持其他两个目标，因为在应用程序上停留时间更长的用户将购买更多、产生更多个人信息并看到更多广告。像 Uber 这样的应用程序使用游戏化的助推来让司机在路上停留更长时间（图 6）。指针表明司机非常接近目标，但这是 Uber 在司机想要下线时设置的任意目标。24 总而言之，暗黑模式使设计师能够从用户那里提取三种主要资源：金钱、数据和注意力。
暗黑模式将长期存在
两年前，很少有人听说过暗黑模式这个词。现在它无处不在。这是否意味着暗黑模式只是昙花一现？也许，随着用户弄清楚发生了什么，公司将意识到暗黑模式会适得其反并停止使用它们。市场可能会自我纠正。
这里勾勒出的历史表明，这种乐观的观点不太可能实现。暗黑模式的先例可以追溯到几十年前。虽然公众对暗黑模式的认识是相对较新的，但这种现象本身是逐渐发展的。事实上，darkpatterns.org 网站成立于 2010 年。
这段历史也有助于解释暗黑模式的新颖之处。它不仅仅是在线上的棘手设计或欺骗性零售行为。相反，设计已被武器化，利用行为研究来服务于监视经济的目的。这种更广泛的背景非常重要。它有助于解释为什么情况如此糟糕，并表明情况在好转之前会变得更糟。
一个令人担忧的趋势是提供暗黑模式即服务的公司的出现，使网站只需几行 JavaScript 即可采用它们。20 另一个可能变得更糟的转变是个性化暗黑模式，它会触及每个用户的特定痛点。26 这一点长期以来一直被预测5，但在今天仍然很少见（操纵性定向广告可以说可以被视为一种暗黑模式，但广告不是用户界面）。缺少个性化 UI 可能是因为公司正忙于采摘唾手可得的果实，但这随时可能改变。
给设计师的建议
设计师应该关注暗黑模式的扩散。它们是不道德的，并且对这个行业产生了不良影响。但本文不是一个悲观的故事。您可以采取一些步骤，既可以让自己和您的组织保持更高的标准，也可以反击行业中部署暗黑模式的压力。
超越肤浅的 A/B 测试指标
本文前面讨论了设计师如何使用 A/B 测试来优化暗黑模式。但有一个转折：即使并非有意为之，过度关注 A/B 测试的设计过程也可能导致暗黑模式。这是因为大多数 A/B 测试都基于与公司盈亏相关的指标，即使这些指标会对用户造成损害。举一个简单的例子，A/B 测试可能会揭示，减小将搜索结果标识为广告的“赞助”标签的尺寸会导致 CTR（点击率）增加。虽然诸如 CTR 之类的指标可以立即衡量，但它并未揭示设计更改的长期影响。当用户意识到他们被操纵点击广告时，他们可能会随着时间的推移而失去对系统的信任。
事实上，谷歌最近对其广告标签的更改使得用户难以区分广告与自然搜索结果，并且可能增加了广告的 CTR（图 7）。然而，随之而来的是强烈反对，谷歌撤回了这个界面。32
为了避免陷入这种陷阱，请在至少一个衡量长期影响的指标上评估 A/B 测试。除了衡量 CTR 之外，您还可以衡量用户留存率。这将告诉您，不同尺寸的标签是否会导致更多用户放弃网站。
尽管如此，许多在长期内重要的属性，例如信任，并不容易观察和衡量，尤其是在在线环境中。批判性地思考您选择测试的设计，当您发现某个设计效果更好时，请尝试理解原因。
虽然过度依赖 A/B 测试是一个需要解决的关键问题，但接下来让我们转向一个更广泛和更长期的担忧。
将伦理道德融入设计流程
虽然暗黑模式是设计中伦理危机的明显后果，但解决危机需要的远不止是避免简单的模式列表。它需要对设计流程进行结构性更改。
首先要阐明对您重要的价值观，这些价值观将指导您的设计。15 并非每个组织都将拥有相同的价值观，但这些价值观必须与社会认为重要的价值观广泛一致。
事实上，当前的许多危机都可以追溯到社会与公司之间价值观的错位。自主权和隐私权是这方面尤为明显的两个价值观。考虑无摩擦设计，这是科技行业的一项基石价值观。不幸的是，它剥夺了用户可能给他们反思机会并使他们能够拒绝其低级冲动的时刻。无摩擦性与自主权背道而驰。同样，为乐趣和娱乐而设计是一种常见的设计价值观，但乐趣何时会越过界限变成成瘾？
一旦您阐明了您的价值观，请继续在内部辩论它们。在外部公开它们，征求用户的意见，最重要的是，让自己对它们负责。然而，有效的问责制具有挑战性。例如，技术公司设立的顾问委员会因其独立性不足而受到批评。
日常设计决策应通过参考已确立的价值观来指导。在许多情况下，设计选择是否符合设计价值观是直观明显的，但并非总是如此。幸运的是，研究揭示了许多使设计模式成为暗黑模式的因素，例如利用已知的认知偏差和隐瞒关键信息。4,20 随时了解这项研究，评估设计对用户的影响，并根据公司的价值观和您自己的道德感进行批判性辩论，讨论在哪里划清界限。如果事实证明更改不符合您的价值观，则应始终可以选择撤回更改。
随着您在特定上下文中做出这些决策的经验积累，更高级别的原则可以编纂成设计指南。设计界有悠久的用户体验指南传统。也有隐私保护设计指南，但尚未得到广泛采用。10
在尊重用户自主权方面，相对而言指南较少。
所有这些都超出了个别设计师通常可以完成的范围；将伦理道德融入设计流程的责任在于组织。作为个人，您可以从提高组织内部的意识开始。
自我监管或被监管
暗黑模式是对设计师手中掌握的巨大权力的滥用。随着公众对暗黑模式的认识不断提高，潜在的负面影响也在增加。记者和学者一直在仔细审查暗黑模式，而来自这些曝光的强烈反对可能会破坏品牌声誉，并使公司受到监管机构的关注。
许多暗黑模式已经是非法的。在美国，《联邦贸易委员会法案》禁止“不公平或欺骗性”的商业行为。11 在最近的一个例子中，联邦贸易委员会与 Unroll.Me 达成和解——这项服务取消了用户电子邮件地址的简报和订阅——因为它实际上是在向第三方出售从其收件箱中读取的信息。12 欧盟当局往往更加严格：法国监管机构 CNIL（国家信息与自由委员会）因将有关隐私和广告个性化的重要信息隐藏在五到六个屏幕之后而对谷歌处以 5000 万欧元的罚款。6
人们也越来越感觉到，现有法规不足以应对，新的立法提案旨在遏制暗黑模式。7 虽然政策制定者应该采取行动——无论是通过引入新法律还是通过扩大和加强现有法律的执行——但仅仅依靠监管是不够的，并且会带来合规负担。
让我们敦促设计界为自己设定标准，既是为了避免繁重的监管，也是因为这是正确的事情。第一步是纠正行业与社会之间价值观的错位，并制定道德设计指南。与中立的第三方消费者权益保护机构合作，开发流程来认证没有已知暗黑模式的应用程序也可能很有价值。自我监管还需要文化变革。在招聘设计师时，询问他们过去工作的道德规范。同样，在决定工作时，将设计伦理作为评估公司及其工作环境质量的标准之一。
设计就是力量。在过去的十年中，软件工程师不得不面对这样一个事实，即他们掌握的力量伴随着对用户和社会的责任。在这个十年中，设计师也应该吸取这个教训。
参考文献
1. Acquisti, A., Adjerid, I., Balebako, R., Brandimarte, L., Cranor, L. F., Komanduri, S., Leon, P. G., Sadeh, N., Schaub, F., Sleeper, M., Wang, Y., Wilson, S. 2017. 隐私和安全助推：理解和帮助用户的在线选择。 计算调查 50(3), 1-41; https://dl.acm.org/doi/10.1145/3054926。
2. Ariely, D. 2008. 可预测的非理性。纽约州纽约市：Harper Audio。
3. Bizer, G. Y., Schindler, R. M. 2005. 价格信息处理中尾数下降的直接证据。心理学与营销 22(10), 771-783。
4. Bösch, C., Erb, B., Kargl, F., Kopp, H., Pfattheicher, S. 2016. 来自黑暗面的故事：隐私暗黑策略和隐私暗黑模式。《隐私增强技术会议记录》2016(4), 237-254。
5. Calo, R. 2014. 数字市场操纵。《乔治华盛顿法律评论》82(4), 995-1051; http://www.gwlr.org/wp-content/uploads/2014/10/Calo_82_41.pdf。
6. 国家信息与自由委员会。2019. CNIL 限制委员会对谷歌有限责任公司处以 5000 万欧元的罚款； https://www.cnil.fr/en/cnils-restricted-committee-imposes-financial-penalty-50-million-euros-against-google-llc。
7. 黛布·费舍尔，内布拉斯加州美国参议员。2019. 参议员推出旨在禁止操纵性暗黑模式的两党立法； https://www.fischer.senate.gov/public/index.cfm/2019/4/senators-introduce-bipartisan-legislation-to-ban-manipulative-dark-patterns。
8. Di Geronimo, L., Braz, L., Fregnan, E., Palomba F., Bachelli, A. 2020. UI 暗黑模式及其发现位置：关于移动应用程序和用户感知的研究。在 2020 年 人机交互系统会议论文集中。
9. Elliott, J., Waldron, L. 2019. TurboTax 就是这样欺骗您支付报税费用的。《ProPublica》（4 月 22 日）； https://www.propublica.org/article/turbotax-just-tricked-you-into-paying-to-file-your-taxes。
10. 欧洲数据保护委员会。2019. 关于第 25 条的指南 4/2019，设计和默认的数据保护； https://edpb.europa.eu/sites/edpb/files/consultation/edpb_guidelines_201904_dataprotection_by_design_and_by_default.pdf。
11. 联邦贸易委员会。2019. 联邦贸易委员会的调查、执法和规则制定权力的简要概述； https://www.ftc.gov/about-ftc/what-we-do/enforcement-authority。
12. 联邦贸易委员会。2019. 联邦贸易委员会最终与一家公司达成和解，该公司误导消费者关于其如何访问和使用他们的电子邮件； https://www.ftc.gov/news-events/press-releases/2019/12/ftc-finalizes-settlement-company-misled-consumers-about-how-it。
13. 联邦贸易委员会。2019. 联邦贸易委员会起诉在线约会服务 Match.com 的所有者，原因是其使用虚假的爱情对象广告来欺骗消费者付费订阅 Match.com。9 月 25 日； https://www.ftc.gov/news-events/press-releases/2019/09/ftc-sues-owner-online-dating-service-matchcom-using-fake-love。
14. 联邦贸易委员会。甘利福特； https://www.ftc.gov/sites/default/files/documents/cases/2013/09/130903ganleyfordexhibita.pdf。
15. Friedman, B., Kahn, P. H., Borning, A., Huldtgren, A. 2013. 价值敏感设计和信息系统。在《早期参与和新技术：开放实验室》中，由 N. Doorn, D. Schuurbiers, I. van de Poel, M. E. Gorman 编辑，55-95。多德雷赫特：施普林格； https://link.springer.com/book/10.1007/978-94-007-7844-3。
16. Goldstein, N. J., Cialdini, R. B., Griskevicius, V. 2008. 具有观点的房间：在酒店中使用社会规范来激励环境保护。《消费者研究杂志》35(3), 472-482。
17. Goldstein, D., Johnson, E. J. 2003. 默认值可以拯救生命吗？《科学》302(5649), 1338-1339; https://science.sciencemag.org/content/302/5649/1338。
18. Gray, C. M., Kou, Y., Battles, B., Hoggatt, J., Toombs, A. L. 2018. UX 设计的阴暗面（模式）。在 2018 年 CHI 人机交互系统会议论文集中（4 月），1-14； https://dl.acm.org/doi/10.1145/3173574.3174108。
19. Luguri, J., Strahilevitz, L. 2019. 揭示暗黑模式。《芝加哥大学公共法工作论文》。第 719 号。
20. Mathur, A., Acar, G., Friedman, M. J., Lucherini, E., Mayer, J., Chetty, M., Narayanan, A. 2019. 大规模的暗黑模式：来自 11K 个购物网站爬取的发现。 人机交互会议录 3(CSCW), 1-32; https://dl.acm.org/doi/10.1145/3359183。
21. McLaughlin, J. 2014. 科技公司用于提升用户群的 9 个标志性增长黑客。《The Next Web》； https://thenextweb.com/entrepreneur/2014/05/28/9-iconic-growth-hacks-tech-companies-used-pump-user-base。
22. Mead, D. 2012. Reddit 如何变得巨大：大量的虚假帐户。《Vice》； https://www.vice.com/en_us/article/z4444w/how-reddit-got-huge-tons-of-fake-accounts--2。
23. Rosoff, M. 2011. 竞争对手称，Airbnb 耕耘 Craigslist 以增加其房源。《商业内幕》； https://www.businessinsider.com/airbnb-harvested-craigslist-to-grow-its-listings-says-competitor-2011-5。
24. Scheiber, N. 2017. Uber 如何使用心理技巧来刺激其司机的按钮。《纽约时报》（4 月 22 日）； https://www.nytimes.com/interactive/2017/04/02/technology/uber-drivers-psychological-tricks.html。
25. Strange, A. 2015. 领英在用户电子邮件集体诉讼后支付巨额赔偿。《Mashable》； https://mashable.com/2015/10/03/linkedin-class-action。
26. Susser, D., Roessler, B., Nissenbaum, H. 2019. 在线操纵：数字世界中的隐藏影响。《乔治城法律技术评论》4.1, 1-45; https://philarchive.org/archive/SUSOMHv1。
27. Thaler, R. H. 2018. 助推，而非污泥。《科学》361, 431- 431。
28. Thaler, R. H., Sunstein, C. R. 2009. 助推：改善关于健康、财富和幸福的决策。企鹅图书。
29. Tversky, A., Kahneman, D. 1974. 不确定性下的判断：启发式和偏见。《科学》，185(4157), 1124-1131。
30. Utz, C., Degeling, M., Fahl, S., Schaub, F., Holz, T. 2019. （不）知情同意：实地研究 GDPR 同意通知。在 2019 年 SIGSAC 计算机和通信安全会议论文集中，973-990; https://dl.acm.org/doi/10.1145/3319535.3354212。
31. Venkatadri, G., Lucherini, E., Sapiezynski, P., Mislove, A. 2019. 调查 Facebook 定向广告中使用的 PII 来源。《隐私增强技术会议记录》2019(1), 227-244; https://content.sciendo.com/view/journals/popets/2019/1/article-p227.xml?lang=en。
32. Wakabayashi, D., Hsu, T. 2020. 为什么谷歌在其新的搜索结果外观上退缩。《纽约时报》（1 月 31 日）； https://www.nytimes.com/2020/01/31/technology/google-search-results.html。
33. Waldman, A. E. 2019. 认知偏见、暗黑模式和“隐私悖论”。SSRN。
相关文章
用户界面设计师，时尚的奴隶
现状在界面设计中盛行，而有缺陷的剪切和粘贴概念就是一个完美的例子。
Jef Raskin
https://queue.org.cn/detail.cfm?id=945161
反对数据锁定
想留住您的用户？只需让他们轻松离开即可。
Brian W. Fitzpatrick 和 J.J. Lueck
https://queue.org.cn/detail.cfm?id=1868432
比特币的学术渊源
加密货币的概念建立在研究文献中被遗忘的思想之上。
Arvind Narayanan 和 Jeremy Clark
https://queue.org.cn/detail.cfm?id=3136559
Arvind Narayanan 是普林斯顿大学计算机科学副教授。他领导普林斯顿网络透明度和问责项目，以揭示公司如何收集和使用我们的个人信息。Narayanan 与人共同创建了关于比特币和加密货币技术的大规模开放在线课程和教科书，该课程和教科书已在全球 150 多个课程中使用。他最近的工作表明机器学习如何反映文化刻板印象，他的博士研究表明去识别化的基本限制。Narayanan 是总统科学家和工程师早期职业奖的获得者，两次获得隐私增强技术奖，三次获得政策制定者隐私论文奖。
Arunesh Mathur 是普林斯顿大学计算机科学系的研究生。Mathur 通过实证视角研究技术系统对社会的影响。他最近的研究考察了商业、政治和其他有权势的行为者如何利用暗黑模式来剥削个人和社会。他的研究获得了多个奖项，包括 CSCW（计算机支持的协同工作）和 Usenix SOUPS（可用隐私和安全研讨会）的最佳论文奖，以及政策制定者隐私论文奖。
Marshini Chetty 是芝加哥大学计算机科学系的助理教授。她专注于人机交互、可用隐私和安全、普适计算以及包容性技术。Marshini 拥有佐治亚理工学院以人为本计算博士学位，以及南非开普敦大学计算机科学硕士和学士学位。她的工作曾获得 SOUPS（可用隐私和安全研讨会）、CHI（人机交互系统会议）和 CSCW（计算机支持的协同工作）的最佳论文奖，并获得了国家科学基金会、国家安全局、英特尔、微软、Facebook 和多个谷歌教员研究奖的资助。
Mihir Kshirsagar 领导普林斯顿 CITP（信息技术政策中心）的技术政策诊所。他之前曾在纽约州司法部长办公室工作，此前曾在私人执业。他拥有宾夕法尼亚大学的法律学位和哈佛大学的本科学位。
版权所有 © 2020 归所有者/作者所有。出版权已许可给 。
最初发表于 Queue 第 18 卷，第 2 期—
在 数字图书馆 中评论本文
更多相关文章
Vinnie Donati - 推动组织可访问性
在本文中，我们将探讨微软如何在整个组织中推动可访问性，并将仔细研究促进包容性文化的基本框架和实践。通过检查诸如意识建设、战略发展、可访问性成熟度建模等方面，我们旨在为开始可访问性之旅的组织提供指南。我们的想法是分享我们所学到的知识，希望您可以借鉴它，对其进行调整以适应您公司的宗旨，并以一种不仅仅是勾选框活动的方式来培养可访问性，而是真正融入您的文化中。
Shahtab Wahid - 设计系统是可访问性交付工具
设计系统是为消费者——设计师和开发者——构建的基础设施，他们致力于应用程序的开发。一个成功的设计系统能够帮助组织内的消费者快速扩展跨应用程序的设计和开发，提高生产力，并建立一致性。然而，许多消费者并没有准备好构建无障碍功能。组织是否可以使应用程序的无障碍支持构建变得可扩展、高效且一致？本文探讨了设计系统如何成为支持无障碍的重要载体。
Juanami Spencer - 移动应用程序的无障碍考量
在创建移动应用程序时，考虑无障碍功能至关重要，以确保尽可能广泛的受众可以使用并享受它们。与桌面体验相比，移动无障碍有其独特的考量，但它为那些在日常活动中依赖移动设备的用户提供了巨大的价值。通过牢记这些考量，移动产品开发团队可以更好地支持和改善所有用户的生活。本文探讨了移动应用程序的一些关键无障碍考量，并重点介绍了 Bloomberg Connects 应用程序如何在产品和流程中支持无障碍功能的一些方法。
Chris Fleizach, Jeffrey P. Bigham - 系统级无障碍
本文通过我们使 iPhone 能够使用 VoiceOver 屏幕阅读器进行非视觉使用的工作，来说明系统级无障碍。我们为非视觉使用重新构想了触摸屏输入，引入了适用于屏幕阅读器控制的新手势，并且在输出方面，我们添加了对合成语音和可刷新盲文显示器（输出触觉盲文字符的硬件设备）的支持。我们添加了应用程序可以采用的新的无障碍 API，并使我们的用户界面框架默认包含它们。最后，我们添加了一个无障碍服务，以桥接这些新的输入和输出与应用程序。
© 保留所有权利。