Synkät suunnittelumallit yksityisyyden näkökulmasta

Abstract

Ihmisten henkilötietojen kerääminen määrittää nykyään pitkälti verkossa toimivien palveluiden toimintaa. Palveluiden käyttäjien tietoja pyritään keräämään käyttämällä synkkiä suunnittelumalleja. Synkät suunnittelumallit ovat käyttäjiä harhauttavia käyttöliittymien suunnitteluratkaisuja, joiden tarkoituksena on hyödyttää pääasiassa vain niitä toiminnassaan käyttäviä yrityksiä. Tässä systemaattisessa kirjallisuuskatsauksessa selvitettiin yksityisyyteen liittyvän päätöksenteon muodostumista sekä synkkien suunnittelumallien toimintaa ja taustoja. Lisäksi selvitettiin kuinka synkillä suunnittelumalleilla voidaan ohjata käyttäjiä jakamaan omia tietojaan. Tutkimuksessa selvisi, että yksityisyyteen liittyvällä päätöksenteolla voi olla useita selittäviä tekijöitä, jotka eivät välttämättä nojaa täysin rationaaliseen päätöksentekoon. Saatiin myös selville erilaisia tapoja luokitella synkkiä suunnittelumalleja ja niiden toimintaa: synkkiä suunnittelumalleja voidaan luokitella muun muassa niiden tavoitteita kuvaavien strategioiden avulla tai eri kontekstien, kuten yksityisyyden, avulla. Tutkimus paljasti, että synkillä suunnittelumalleilla voi olla useita eri tapoja vaikuttaa käyttäjien päätöksiin omasta yksityisyydestään. Näihin tapoihin kuuluvat muun muassa palvelujen oletusasetukset, jotka lähtökohtaisesti sallivat käyttäjien tietojen keräämisen.

Today, collecting personal data of people largely defines the activities of online services. Dark patterns are used to gather data from the users of services. Dark patterns mean UI design solutions that mislead users in order to benefit mostly the companies that employ them. In this systematic literature review, privacy decision-making was examined as well as the functions and the basis of dark patterns. Additionally, it was studied how dark patterns can be used to guide users to share their data. It was discovered that there are multiple different factors that can explain privacy decision-making. At the same time, privacy decision-making does not necessarily and completely follow rational decision-making. It was also discovered that there are different ways to classify dark patterns and their functions: they can be categorized based on the strategies that portray their goals or by different contexts, such as privacy. The study revealed that dark patterns have several ways to influence users and their privacy decision-making. Among these ways are for example the default settings of services that principally allow the collecting of users’ data.