暗模式的全面研究

随着数字界面日益普及，某些操纵性设计元素已出现，可能损害用户利益，引发伦理关切，使暗模式成为一个重要的研究主题。操纵性设计策略在用户界面 (UI) 中被广泛使用，主要是为了以有利于服务提供者的方式引导用户行为，往往以牺牲用户自身利益为代价。这篇论文针对暗模式研究的三个主要挑战：分类的不一致性和不完整性、检测工具的局限性以及现有数据集的不够全面性进行了阐述。本文提出了一套全面的分析框架——暗模式分析框架 (DPAF)。通过使用该框架，我们开发了由 68 种暗模式类型组成的分类法，每种类型都详细标注，以说明其对用户的影响、潜在情景和真实世界的实例，这些内容通过行业调查得到验证。此外，我们评估了当前检测工具的有效性，并评估了可用数据集的完整性。我们的发现表明，在研究的 8 个检测工具中，仅有 31 种暗模式可被识别，覆盖率仅为 45.5%。同样，我们分析了四个数据集（包含 5,561 个实例），发现仅覆盖 30 种暗模式，整体覆盖率为 44%。基于可用数据集，我们标准化了分类并合并数据集，以形成统一的图像数据集和统一的文本数据集。这些结果表明，在暗模式检测领域仍有很大的改进空间。这项研究不仅深化了我们对暗模式分类和检测工具的理解，还为该领域的未来研究和实践提供了宝贵的见解。