La disuguaglianza digitale attraverso la lente dell’autosvelamento

I ricercatori del Penn State College of Information Sciences and Technology hanno recentemente scoperto che le donne e gli utenti che non hanno mai frequentato il college divulgano volontariamente più informazioni personali su Twitter rispetto agli utenti di altri contesti socioeconomici e demografici. Ciò espone queste popolazioni a un rischio maggiore di minacce alla privacy online. IMMAGINE: ADOBE STOCK: CHINNARACH
I ricercatori del Penn State College of Information Sciences and Technology hanno recentemente scoperto che le donne e gli utenti con basso livello di istruzione scolastica divulgano volontariamente più informazioni personali su Twitter rispetto agli utenti di altri contesti socioeconomici e demografici. Ciò li espone queste popolazioni a un rischio maggiore di minacce alla privacy online. IMMAGINE: ADOBE STOCK: CHINNARACH

Le donne e gli utenti con un basso livello d’istruzione hanno maggiori probabilità di twittare informazioni personali

Quando si tratta di ciò che gli utenti condividono su Twitter, le donne e gli utenti che non hanno mai frequentato il college divulgano volontariamente più informazioni personali rispetto agli utenti di altri contesti socioeconomici e demografici, rendendo potenzialmente queste popolazioni più suscettibili alle minacce alla privacy online, secondo un recente studio condotto dal Penn State College of Information Sciences and Technology.

Inoltre, i ricercatori hanno scoperto inaspettatamente che né lo stato socioeconomico né i dati demografici sono un fattore predittivo significativo dell’uso delle funzionalità di sicurezza dell’account come l’autenticazione di accesso a due fattori e che gli utenti di qualsiasi provenienza hanno effettivamente condiviso meno informazioni personali di quanto ricordassero.

“Non abbiamo trovato una forte correlazione tra gli atteggiamenti dichiarati delle persone e i loro comportamenti osservati, il che è piuttosto contraddittorio con ciò che la letteratura sulla privacy ha spiegato sulla disuguaglianza digitale e sul divario della privacy delle persone”, ha affermato Jooyoung Lee, studente di dottorato in scienze e tecnologia dell’informazione e leader autore del documento di ricerca.

Nello studio esplorativo, i ricercatori hanno cercato di capire se i fattori socio-demografici influiscano sull’uso della verifica dell’accesso, sulla probabilità che un utente condivida informazioni personali online e se gli argomenti di auto-divulgazione variano tra i gruppi socio-demografici.

“Esiste una solida letteratura sull’auto-divulgazione, ma gli approcci puramente basati sui dati in genere non ci consentono l’accesso al genere, all’istruzione, all’occupazione, alla razza e ad altre informazioni sensibili degli utenti”, ha affermato Sarah Rajtmajer, assistente professore di scienze dell’informazione e tecnologia. “Allo stesso tempo, c’è una crescente preoccupazione per l’iniqua distribuzione del rischio per la privacy tra i diversi gruppi socio-demografici rispetto alla condivisione delle informazioni online. L’approccio sperimentale adottato in questo lavoro ci ha permesso un primo tentativo di colmare il divario”.

Secondo Shomir Wilson, assistente professore di scienze e tecnologia dell’informazione, i ricercatori erano motivati ​​a espandere il lavoro passato che indicava che le persone nelle fasce socio-economiche inferiori avevano più difficoltà a comprendere i controlli sulla privacy online.

“La cosa originale che ci aspettavamo di vedere sulla base dei metodi di indagine e del lavoro precedente in realtà non è stata confermata in quanto abbiamo ottenuto risultati negativi sullo stato socio-economico”, ha affermato Wilson. “Ma abbiamo ottenuto altri risultati che ci hanno sorpreso e che ci stanno guidando verso i prossimi passi”.

Lo studio Penn State è nuovo in quanto esplora il contenuto delle informazioni personali nell’autodivulgazione lungo linee socio-demografiche. Nel lavoro precedente, sono state esplorate principalmente solo le variabili di genere ed età.

I ricercatori hanno intervistato 110 utenti Twitter attivi e hanno monitorato i loro comportamenti di pubblicazione in più di 6.900 tweet nel corso di un mese. Quindi, utilizzando metodi di analisi statistica, hanno esaminato i tweet per le menzioni di argomenti in 12 categorie di auto-divulgazione – come lo stato civile o la posizione – e hanno etichettato quale delle categorie, se del caso, si adattava al tweet.

Tali categorie sono state quindi misurate rispetto a sei fattori socio-demografici – reddito, sesso, età, livello di istruzione, razza/etnia e occupazione – per analizzare le impostazioni di verifica dell’accesso degli utenti, la quantità di auto-divulgazione e l’auto-divulgazione per argomento. Infine, ai partecipanti è stato inviato un sondaggio post-studio per raccogliere il loro ricordo della rivelazione di sé, che i ricercatori hanno misurato rispetto ai loro post effettivi.

“Una distinzione fondamentale tra il nostro lavoro e il lavoro precedente era che il lavoro precedente ha intervistato le persone per i loro atteggiamenti e convinzioni”, ha affermato Wilson. “Abbiamo fatto un ulteriore passo avanti: non solo abbiamo fornito sondaggi alle persone, ma le abbiamo seguite su Twitter per vedere come si comportavano e se i loro comportamenti erano effettivamente correlati a ciò che pensavano di fare. E abbiamo scoperto che le persone condividevano meno di pensavano di condividere”.

Lee ha aggiunto: “Le persone non ricordano sempre cosa condividono sui social media, il che potrebbe essere un grosso problema. Ricordare alle persone i loro comportamenti di condivisione potrebbe essere una buona soluzione per aiutarli a tenere traccia del tipo di dati che stanno condividendo pubblicamente.”

Rajtmajer ha aggiunto che ciò è particolarmente vero per le informazioni combinate di ciò che hanno condiviso nel tempo, il che ha portato i ricercatori a chiedere ai partecipanti al sondaggio se ricordavano di aver condiviso informazioni personali specifiche.

“Sappiamo che, molto spesso, le preoccupazioni critiche derivano da inferenze su un individuo rese possibili dall’aggregazione di tutti i vari, e spesso apparentemente innocui, dettagli che condividono”, ha detto. “Queste inferenze possono essere utilizzate per profilare, monetizzare, manipolare e sorvegliare. I gruppi già vulnerabili in molti casi sono i più a rischio”.

Secondo Wilson, ci sono anche scenari in cui gli utenti non si rendono conto che stanno condividendo post contenenti informazioni personali con un pubblico che include i loro colleghi o il pubblico in generale. Al contrario, ci sono casi in cui le persone potrebbero non condividere abbastanza, non rendendosi conto che ci sono alcune informazioni che i loro amici e follower potrebbero voler sapere.

“Allineare queste due cose aiuta le persone a comprendere meglio la loro personalità pubblica e dà alle persone un maggiore senso di sicurezza quando usano i social network online”, ha detto Wilson. “E questo di per sé è prezioso.”

Lo studio rivela che gli utenti spesso non sono in grado di costruire con precisione un modello mentale dei loro comportamenti di condivisione per un periodo di un mese, il che potrebbe potenzialmente portare a progettare aggiornamenti per i social network per implementare funzionalità che aiutino gli utenti a tenere traccia dei loro comportamenti di condivisione.

“Ciò fornisce un contesto su come le persone utilizzano questi strumenti, sia per gli utenti che per le persone che li creano”, ha affermato Wilson.

Anche Eesha Srivatsavaya, una studentessa universitaria di scienze dei dati presso il College of IST, è stata coinvolta nel progetto. Il documento del team appare in the July 2021 Proceedings on Privacy Enhancing Technologies. Il lavoro è stato in parte supportato da un Accelerator Award del Center for Social Data Analytics di Penn State.

%d blogger hanno fatto clic su Mi Piace per questo: