从一项众包数千名美国 Amazon 用户数据的实验中获得的启示：透明度、金钱与数据使用的重要性

数字平台上的用户生成数据对于致力于揭示数字不平等、审计算法和理解人类行为的倡导者和研究人员而言是至关重要的资源。然而，数据的获取往往受到限制。研究人员如何才能既有效又合乎伦理地收集用户数据？本文分享了一种创新的用户数据众包方法，收集了超过 5000 名美国用户长达 5 年的 Amazon 购买历史，这些数据原本难以获取。我们开发了一款优先考虑参与者同意的数据收集工具，并包含了一项实验研究设计。该设计允许我们研究隐私感知和数据共享行为的多个方面。实验结果（N=6325）表明，金钱激励和透明度均能显著增加数据共享。年龄、种族、教育和性别也发挥了作用，女性和受教育程度较低的参与者更倾向于共享数据。我们的研究设计使得对“隐私悖论”进行独特的实证评估成为可能，即用户声称重视隐私的程度高于其实际表现。我们设置了真实和假想的数据共享场景，并发现这些场景之间在共享率上存在可测量的相似性与差异。例如，在真实场景中，增加金钱激励对共享率的影响高出 6 倍。此外，我们研究了参与者对各类第三方应如何使用数据的看法，再次发现人口统计学特征具有显著影响。值得注意的是，大多数参与者不赞成政府机构使用其购买数据，但大多数参与者赞成研究人员使用。总体而言，我们的发现凸显了透明度、激励设计和用户人口统计学特征在合乎伦理的数据收集实践中所起的关键作用，并为未来寻求众包用户生成数据的研究人员提供了指导。