[论文解读] A Taxonomy of Privacy Constructs for Privacy-Sensitive Robotics

Matthew Rueben, Cindy Grimm+2 more|arXiv (Cornell University)|Jan 3, 2017

Privacy, Security, and Data Protection参考文献 15被引用 10

一句话总结

本文提出了一套全面且分层的隐私建构分类法，用于隐私敏感型机器人技术，其基础是跨法律、哲学和心理学领域的隐私文献综述。该分类法将隐私划分为四个主要分支——信息性、物理性、心理性和社会性——每个分支下设有子建构，为人类-机器人交互（HRI）实验中的隐私操作化提供结构化框架。

ABSTRACT

The introduction of robots into our society will also introduce new concerns about personal privacy. In order to study these concerns, we must do human-subject experiments that involve measuring privacy-relevant constructs. This paper presents a taxonomy of privacy constructs based on a review of the privacy literature. Future work in operationalizing privacy constructs for HRI studies is also discussed.

研究动机与目标

• 为解决人机交互（HRI）研究中，特别是针对人类受试者实验的隐私建构缺乏标准化的问题。
• 提供一个结构化、分层的框架，将广泛而抽象的“隐私”概念分解为可测量、可操作定义的组成部分。
• 通过将抽象的隐私概念识别并组织为具体、可测试的建构，支持未来HRI研究。
• 弥合法律、哲学和心理学中的隐私理论与机器人技术中实际应用之间的鸿沟。
• 使研究人员能够设计出可测量特定隐私关切的实验，而非依赖模糊或未定义的“隐私”概念。

提出的方法

• 该分类法通过系统性回顾隐私研究领域的基础文献构建而成，涵盖Prosser、Solove、Westin、Altman等人的著作。
• 将隐私划分为四大主要类别：信息性、物理性、心理性和社会性，每个类别均基于既有的理论框架衍生出子建构。
• 通过近身学、社会心理学和传播学理论（如Burgoon的传播渠道、Altman的隐私调节理论）进一步细化子建构。
• 该分类法采用分层结构，以“隐私”这一广泛概念为树干，分出主要类型，并进一步细分为具体、可测量的建构。
• 每个建构均关联潜在的操作化方法，如问卷调查或行为测量，以供HRI实验中使用。
• 该框架强调情境特定的测量方式，例如通过个体在机器人面前更衣时的舒适度来评估“得体性”。

实验结果

研究问题

• RQ1 如何系统性地将广泛而抽象的“隐私”概念分解为适用于HRI研究的独立、可测量的建构？
• RQ2 在人机交互中，哪些隐私建构——如信息性、物理性、心理性或社会性隐私——最为相关？
• RQ3 如何在实验环境中对“公众凝视”或“独处”等隐私建构进行操作化定义与测量？
• RQ4 所提出的分类法中每个隐私建构的理论与实证基础是什么？
• RQ5 该分类法如何指导隐私敏感型机器人研究中的人类受试者实验设计？

主要发现

• 本文成功构建了一个四层隐私建构分类法：信息性、物理性、心理性和社会性隐私，每个类别下均有多个子建构。
• 信息性隐私细分为侵入、收集、处理与传播，基于Prosser的奠基性框架和Solove的模型。
• 物理性隐私包括个人空间、领地性与得体性，与近身学及行为科学相关联。
• 心理性隐私通过心理距离与审问等概念定义，反映内在的心理边界。
• 社会性隐私涵盖关联、拥挤/孤立、公众凝视、独处、亲密性、匿名性与保留，以Westin的隐私四状态为核心参考。
• 该分类法实现了对隐私建构的具体操作化，例如通过个体在机器人面前进行私密行为时的自我报告舒适度来测量“得体性”。