基于逻辑回归与词袋表示的用户界面暗模式检测
人机交互
2024-12-20 v1 机器学习
摘要
用户界面中的暗模式代表旨在操纵用户行为的欺骗性设计实践，通常会导致强制购买、非自愿数据披露或用户挫败感等意外后果。检测并缓解这些暗模式对于在数字环境中促进透明度、信任和伦理设计实践至关重要。本文提出了一种使用逻辑回归和词袋表示来检测用户界面中暗模式的新方法。我们的方法包括收集多样化的用户界面文本样本数据集，对数据进行预处理，使用词袋表示提取文本特征，训练逻辑回归模型，并使用准确率、精确率、召回率、F1分数和 ROC 曲线下面积（AUC）等多种指标评估其性能。实验结果证明了所提方法在准确识别暗模式实例方面的有效性，具有较高的预测性能以及对数据集组成和模型参数变化的鲁棒性。从本研究中获得的见解丰富了关于暗模式检测与分类的知识体系，为设计师、开发者和政策制定者在促进伦理设计实践和保护数字环境中用户权利方面提供了实践启示。
引用
@article{arxiv.2412.14187,
title = {Detecting Dark Patterns in User Interfaces Using Logistic Regression and Bag-of-Words Representation},
author = {Aliyu Umar and Maaruf Lawan and Adamu Lawan and Abdullahi Abdulkadir and Mukhtar Dahiru},
journal= {arXiv preprint arXiv:2412.14187},
year = {2024}
}