AUTOPLAY e a SAÚDE MENTAL, REDES SOCIAIS E PLATAFORMAS DE VÍDEO

AUTOPLAY e a SAÚDE MENTAL, REDES SOCIAIS E PLATAFORMAS DE VÍDEO

“Você ainda está assistindo?”

 

Explorando comportamentos não intencionais do usuário e padrões obscuros em plataformas de streaming de vídeo

 

 

Padrões escuros na interface do usuário promovem comportamentos viciantes. Exploramos como os efeitos dos padrões escuros em aplicativos de streaming de vídeo podem ser exacerbados por uma série de fatores temporais e contextuais. Trabalhos anteriores mostraram que a observação excessiva é potencialmente prejudicial à saúde física e mental. Realizamos um estudo diário com 22 espectadores em 228 sessões para obter informações sobre os estados de espírito dos usuários e identificar as emoções dos usuários ao interagir com 4 plataformas populares de streaming. Analisamos os usuários durante a fase de seleção e a fase de conclusão, encontrando correlações significativas entre o humor do usuário e os comportamentos contextuais que destacam como características individuais específicas e situações de visualização podem levar a comportamentos negativos. Discutimos as implicações de nossas descobertas, destacando importantes considerações de design de interface do usuário para melhorar o bem-estar digital. Além disso, coletamos artefatos de interfaces de usuário problemáticas e apresentamos uma nova taxonomia de padrões obscuros encontrados em plataformas populares de streaming de vídeo de uma perspectiva centrada no usuário.

Conceitos de CCS: • Computação centrada no ser humano → Estudos de usuários ; • Computação centrada no ser humano → Teoria, conceitos e paradigmas do design de interação ; • Temas sociais e profissionais → Códigos de ética ;

Palavras-chave: User Interface Design , Video Streaming Platforms , Binge-Watching , Dark Patterns , Digital Wellbeing

Formato de referência ACM:

Akash Chaudhary, Jaivrat Saroha, Kyzyl Monteiro, Angus G. Forbes e Aman Parnami. 2022. “Você ainda está assistindo?”: Explorando comportamentos não intencionais do usuário e padrões obscuros em plataformas de streaming de vídeo. In Designing Interactive Systems Conference (DIS ’22), 13 a 17 de junho de 2022, evento virtual, Austrália. ACM, Nova York, NY, EUA 16 páginas. https://doi.org/10.1145/3532106.3533562

Figura 1: Instâncias de recursos de interface do usuário problemáticos encontrados em plataformas de streaming de vídeo, incluindo cronômetros de reprodução automática sem opções de saída, recomendações de rolagem infinita, visualizações de vídeo de início instantâneo, carimbos de data/hora incompletos e saída oculta. Com base em uma análise de artefatos de IU encontrados em 4 plataformas populares (Netflix, YouTube, Disney+ Hotstar e Amazon Prime Video) que transmitem vídeos para dispositivos móveis/tablets, laptops e televisões, identificamos padrões obscuros relacionados ao streaming de vídeo— “feature fog ”, “contagem regressiva extrema”, “atraso de desligamento”, “areia movediça de atenção” e “moagem de viés” — e examine como esses padrões de IU podem afetar negativamente o bem-estar dos usuários.

1 INTRODUÇÃO

O uso de plataformas digitais para o envolvimento em várias atividades online é frequentemente contaminado pela presença de práticas de design manipuladoras e enganosas. Esses “padrões obscuros” levam as pessoas a, por exemplo, gastar dinheiro em produtos que não pretendiam comprar, instalar aplicativos de que não precisam ou doar seus dados pessoais [ 39 ] . Nomear essas práticas enganosas pode ajudar os usuários a se tornarem mais conscientes das armadilhas do design. Por exemplo, os usuários tornaram-se mais experientes em evitar “clickbait”, um termo inicialmente cunhado por Jay Geiger e posteriormente usado por Harry Brignull que se refere a uma série de estratégias para sequestrar a atenção de um usuário e induzi-lo a visitar sites específicos [ 6]. Neste artigo, examinamos o design de plataformas populares de streaming de vídeo e analisamos suas UIs em termos de parâmetros de bem-estar digital, incluindo autonomia e controle do usuário, identificando padrões obscuros específicos para streaming de vídeo.

As pessoas visualizam quantidades crescentes de conteúdo por meio de plataformas de streaming de vídeo. Recentemente, por exemplo, Squid Games , da Netflix , registrou um total de visualizações online de 1,65 bilhão de horas em 28 dias após seu lançamento [ 46 ]. Além disso, o uso de plataformas de streaming de vídeo é viciante [ 21 , 32 ]. Em seu livro ‘Hooked’, Nir Eyal explica que, semelhante ao vício em drogas, os gatilhos emocionais para a criação de hábitos em plataformas online geralmente consistem em suprimir temporariamente sentimentos negativos [ 18 ] . Esses gatilhos podem incluir sentimentos de solidão, tédio ou necessidade de reconhecimento social. Isso leva a um ciclo vicioso de atenção constantemente desviada para plataformas de streaming organizadas para atender a necessidades e desejos temporários [62 ]. O envolvimento recorrente em atividades digitais nessas plataformas de streaming de vídeo tem o potencial de formar novos comportamentos compulsivos prejudiciais ao bem-estar geral do usuário.

Estudos destacaram os efeitos adversos da exibição excessiva de vídeos, que incluem aumento da ansiedade, privação do sono e fadiga física [ 17 , 27 , 53 ]. Assistir a vídeos também pode induzir ainda mais sintomas relacionados à depressão em sessões de visualização prolongadas [ 59 ]. ¹ Esses efeitos negativos destacam a importância de estudar os hábitos de assistir compulsivamente. Neste artigo, exploramos o papel dos recursos comuns de interface do usuário de streaming de vídeo, como reprodução automática e recomendações, na formação de comportamentos de visualização não intencionais. Além disso, identificamos uma variedade de padrões de interface do usuário em plataformas de streaming de vídeo que desconsideram o bem-estar do usuário.

Conduzimos uma pesquisa exploratória preliminar sobre assistir a vídeos com 180 estudantes universitários de 18 a 25 anos. A análise revelou que, além da “facilidade de acesso ao conteúdo”, o principal fator por trás dos comportamentos de visualização estendidos em plataformas de streaming, os próximos dois fatores principais são “hábitos de visualização irracionais” e “uso de recursos de interface do usuário” (como reprodução automática e recomendações). Em seguida, realizamos entrevistas semiestruturadas abertas em uma amostra representativa de 12 desses 180 participantes para obter informações iniciais sobre seus hábitos gerais de visualização. As entrevistas indicaram que, embora os recursos de IU da plataforma de streaming de vídeo sejam considerados convenientes para uma duração de visualização mais curta, eles habitualmente promovem a visualização compulsiva para uma duração de visualização mais longa. Descobrimos ainda que essas plataformas reduzem a autonomia e o autocontrole do usuário durante a exibição de vídeos,

Essas observações preliminares informaram o projeto de nosso estudo principal. Para entender o papel dos recursos da interface do usuário na manipulação de comportamentos contextuais em visualizações de curta e longa duração, projetamos um estudo diário para registrar os estados de espírito e emoções de 22 usuários tanto na fase de seleção da interação quanto na fase de conclusão do vídeo, ou seja, primeiro no início da sessão e novamente no final da sessão. Além disso, também registramos o nível de autonomia e facilidade de uso para cada recurso de interface do usuário em exibição de curta duração versus exibição de longa duração. Com base em nossas descobertas deste estudo principal, coletamos e analisamos artefatos de interface do usuário do Netflix, YouTube, Amazon Prime Video e Disney+ Hotstar que representam padrões obscuros de plataformas de streaming de vídeo. Em seguida, apresentamos uma nova taxonomia de padrões obscuros encontrados em plataformas populares de streaming de vídeo – “nevoeiro de recursos”, “contagem regressiva extrema”, “atraso de desligamento”, “areia movediça de atenção” e “moagem de viés” – de uma perspectiva centrada no usuário. Por fim, conduzimos entrevistas com 15 novos participantes sobre esses padrões obscuros, destacando seu impacto no bem-estar digital visto da perspectiva do usuário.

Em resumo, nosso trabalho consiste em três esforços principais: (1) Conduzimos uma pesquisa preliminar com 180 participantes e entrevistas de acompanhamento com 12 desses participantes (Seção 3); (2) Conduzimos um estudo de diário online com 22 participantes (Seção 4); (3) desenvolvemos uma taxonomia de padrões escuros de streaming de vídeo e entrevistamos 15 participantes para refletir sobre esses padrões escuros (Seção 5). Discutimos nossas descobertas e suas implicações para o design de UX na Seção 6. As principais contribuições deste artigo são:

• Identificamos mudanças temporais no estado de espírito do usuário na fase de seleção do vídeo e sentimentos subsequentes na fase de conclusão do vídeo, conforme observado nas experiências de assistir a vídeos. As experiências do usuário são registradas em um estudo de registro diário de 20 dias para recursos populares da interface do usuário, como Reprodução automática e Recomendações, em 4 plataformas populares de streaming de vídeo.
• Fornecemos resultados qualitativos para uma comparação dos recursos da interface do usuário com base em sua facilidade de uso e parâmetros de acessibilidade de autonomia e, posteriormente, identificamos dois comportamentos contextuais significativos, comportamento de trabalho e horas de visualização, que são indicados para exacerbar os hábitos de assistir compulsivamente.
• Apresentamos uma nova taxonomia de padrões obscuros vistos em plataformas de streaming de vídeo de uma perspectiva de bem-estar digital centrada no usuário.

2 TRABALHO RELACIONADO

2.1 Efeitos negativos de assistir compulsivamente

Intrigados com o crescente envolvimento dos usuários em assistir compulsivamente e sua crescente relevância social, os pesquisadores coletaram várias métricas para analisar a exibição de vídeos como uma atividade digital. Isso inclui parâmetros de bem-estar, como métricas de engajamento [ 8 , 16 , 20 , 21 , 40 , 42 ], métricas que incorporam design para emoções positivas, como satisfação e felicidade [ 7 , 12 , 14 , 28 , 38 , 43 , 54], e métricas que indicam efeitos prejudiciais na saúde física e mental, como níveis elevados de ansiedade, fadiga, privação de sono e sentimentos de isolamento e culpa [ 17 , 27 , 45 , 53 , 59 ] .

Devido a preocupações alarmantes com a saúde, os pesquisadores mudaram o foco para analisar os parâmetros do contexto do usuário que resultam em hábitos não saudáveis ​​de assistir a vídeos. Esses parâmetros incluem contexto físico (hora do dia, duração, localização, preferência de tela) e contexto psicológico (humor, sentimentos) [ 13 , 41 , 42 , 60 ]. Os pesquisadores também examinaram como a proliferação de plataformas de streaming de vídeo online influencia importantes aspectos sociais e emocionais de um usuário. Estes incorporam uma ampla gama de fatores relevantes, incluindo o cultivo de empatia, arrependimento antecipado, medo de perder, automaticidade, bem-estar, percepções de conflito de metas e desempenho acadêmico [ 27 , 49 ,56 ].

Usamos os aspectos físicos, psicológicos, sociais e emocionais apresentados em trabalhos anteriores como comportamentos contextuais que influenciam a interação do usuário em plataformas de streaming de vídeo. Denominamos comportamentos contextuais em relação aos recursos populares de interface do usuário da plataforma de streaming de vídeo, como reprodução automática e recomendações, como “características individuais” e “preferências de visualização”. Estudamos como esses fatores interagem uns com os outros na exibição de vídeos e, assim, resultam em comportamentos de visualização compulsivos não intencionais. Estudamos esses comportamentos de visualização não intencionais descobrindo qual é o estado de espírito geral do usuário ao interagir com os recursos de IU da plataforma de streaming de vídeo, ao mesmo tempo em que investigamos seus sentimentos resultantes na fase de conclusão do vídeo. Também estamos interessados ​​em analisar a diferença de autonomia e facilidade de uso de cada uma das UIs no início e no final de uma sessão de exibição de vídeo. Como assistir a vídeos pode ter as consequências negativas mencionadas acima, é importante falar sobre o bem-estar dos usuários envolvidos em atividades digitais e como certos padrões de design enganosos podem prejudicar o bem-estar digital dos usuários.

2.2 Padrões escuros

Muitos pesquisadores investigaram como as empresas abusam das habilidades cognitivas limitadas e preconceitos dos usuários [ 15 , 19 , 25 ]. Estudos mostram que os usuários tomam decisões diferentes quando recebem as mesmas informações com base em como elas são estruturadas [ 5 , 36 , 51 , 52 ]. Esses estudos destacam como os usuários dão maior peso a informações prontamente acessíveis [ 50 ] e se tornam suscetíveis a decisões impulsivas quanto mais tempo esperam antes de receber uma recompensa [ 1 ]. Os usuários têm certas vulnerabilidades enquanto estão envolvidos em várias atividades digitais e nem sempre agem de acordo com seus interesses [ 10]. Isso destaca a importância da ética na concepção de experiências online [ 9 , 22 , 23 ]; embora chamar a atenção possa ser um aspecto necessário de uma interface de usuário, não deve afetar o bem-estar do usuário final ao fazê-lo. Recentemente, muitos pesquisadores investigaram como projetar interfaces de usuário para dar suporte a uma sensação geral de satisfação e outras emoções positivas [ 2 , 7 , 12 , 14 , 28 , 38 , 43 , 54 ]. Especificamente para assistir a vídeos, Swart et al. [ 47] apresentam o design e a avaliação de um kit de ferramentas de detecção de anúncios no YouTube, instanciando, assim, discussões sobre ética do design de interface do usuário e como superar as intenções maliciosas do designer. Peters e outros. [ 40 ] descrevem quatro esferas de experiência que são relevantes para projetar tecnologia para garantir o bem-estar do usuário em várias experiências digitais. Além de focar na interface, eles examinam as tarefas habilitadas, os padrões de comportamento do usuário e a “vida geral” do usuário. Seguindo Peters et al., estamos interessados ​​nas decisões de design de interface do usuário necessárias para assistir a um vídeo visto da perspectiva da vida geral do usuário.

O termo “padrão escuro” foi originalmente descrito de forma sucinta pelo designer de UX Harry Brignull como “uma interface de usuário cuidadosamente elaborada para induzir os usuários a fazer coisas que, de outra forma, não fariam” [6 ] . Além de destacar as manipulações imediatas que levam a resultados problemáticos, achamos útil estender essa definição para incluir interações que podem produzir consequências prejudiciais ao bem-estar do usuário por um longo período de tempo. Ou seja, classificamos como padrão obscuro o design de quaisquer elementos de interface que desconsiderem o bem-estar do usuário final. Conti e Sobiesk [ 11 ], Lewis [ 34 ], Greenberg et al. [ 26 ], e Gray et al. [ 24] também investigam padrões obscuros, encontrando uma variedade de projetos de interface do usuário problemáticos em sites e aplicativos contemporâneos. Por exemplo, Zagal et al. [ 63 ] descrevem os padrões escuros que são específicos para jogos e Mathur et al. [ 37] delineiam padrões obscuros relacionados às compras. Neste artigo, classificamos os padrões escuros para a atividade digital de assistir a vídeos por meio do estudo dos comportamentos do usuário em 4 plataformas de streaming de vídeo, adicionando novas categorias de classificação à literatura de padrões escuros. Embora as perspectivas usadas para listar os padrões escuros possam ter várias partes interessadas, incluindo designers e formuladores de políticas, e diferentes casos de uso, incluindo implantabilidade comercial e regulamentações governamentais, nossa pesquisa é focada em aumentar a conscientização da comunidade sobre os padrões escuros conforme percebidos do final. perspectivas do usuário.

3 LEVANTAMENTO PRELIMINAR

Conduzimos um questionário exploratório a 180 universitários com idades compreendidas entre os 18 e os 25 anos, recrutados por correio eletrónico. O questionário continha questões objetivas de múltipla escolha relacionadas à exibição de vídeos. Criamos uma lista de fatores que causam dependência geral (medo de perder, solidão, enquanto relaxa, formação de hábito) [ 31 , 32 ] e a aumentamos com fatores específicos da literatura existente [ 13 ] para assistir compulsivamente , incluindo “facilidade de acesso à mídia digital” e “poder de conteúdo atraente”. Pedimos aos participantes que relatassem essas questões objetivas usando uma escala Likert de 5 pontos, a fim de coletar informações sobre seus sentimentos influenciados por esses fatores enquanto assistiam compulsivamente.

Para entender como esses elementos da interface do usuário levam a hábitos de visualização não intencionais, também realizamos entrevistas semiestruturadas abertas com 12 dos entrevistados. A fim de obter um feedback mais aprofundado dos frequentadores autorreferidos e dos espectadores regulares para nossas entrevistas, selecionamos aleatoriamente 3 participantes de cada uma das seguintes categorias de horas diárias de visualização autorrelatadas: 0-3 horas, 3-5 horas , 5-7 horas e 7+ horas. Inicialmente, fizemos perguntas para quebrar o gelo sobre os hábitos diários de exibição de vídeo do usuário, experiências gerais e opiniões sobre os serviços de streaming de vídeo online que eles usaram. As perguntas incentivaram os usuários a fazer uma introspecção sobre a maneira como assistem, concentrando-se em como e por que usaram certos recursos e ignoraram outros. Mostramos diferentes telas de aplicativos e reproduzimos vídeos em quatro plataformas principais — Netflix, Amazon Prime Video, Disney + Hotstar e YouTube, que foram revelados como os mais populares para nossos participantes por meio da pesquisa anterior – para induzir os usuários a relembrar experiências pessoais anteriores em plataformas de streaming. A maioria dos participantes escolheu mais de uma plataforma ao indicar suas preferências, identificando as quatro plataformas mais utilizadas na Índia. Além disso, questionamos os usuários sobre quais recursos da interface do usuário eles acreditavam ter efeitos positivos e negativos em seu comportamento de visualização. As entrevistas foram realizadas online no Google Meets e cada entrevista durou em média 22 minutos. identificando as quatro plataformas mais usadas na Índia. Além disso, questionamos os usuários sobre quais recursos da interface do usuário eles acreditavam ter efeitos positivos e negativos em seu comportamento de visualização. As entrevistas foram realizadas online no Google Meets e cada entrevista durou em média 22 minutos. identificando as quatro plataformas mais usadas na Índia. Além disso, questionamos os usuários sobre quais recursos da interface do usuário eles acreditavam ter efeitos positivos e negativos em seu comportamento de visualização. As entrevistas foram realizadas online no Google Meets e cada entrevista durou em média 22 minutos.

Figura 2: Este gráfico apresenta os resultados da correlação de Pearson de nosso estudo preliminar, mostrando a correlação estatística entre os fatores responsáveis ​​pelo binge-watching e os sentimentos dos participantes associados a esses fatores. Aqui, cores mais vermelhas/mais quentes indicam correlação mais alta, enquanto cores mais azuis/mais frias são inversamente correlacionadas. Nossa pesquisa descobriu que a maioria dos usuários desenvolveu hábitos de observação compulsiva e se arrependeu ao se envolver em comportamentos de observação compulsiva.

A pesquisa e as entrevistas de acompanhamento ajudaram a estabelecer uma compreensão empírica inicial da influência da interface do usuário nos hábitos de visualização do usuário. Usamos o método de correlação de Pearson em nossa análise estatística. Figura  2resume os resultados do estudo. Embora o conteúdo atraente tenha sido o fator mais significativo, a facilidade de acesso (DP 0,735, p<0,0001) e a formação do hábito (0,420, p<0,0001) foram outros dois contribuintes significativos que promoveram o binge-watching. 75% dos usuários sentiram que a facilidade de acesso ao conteúdo de vídeo e os hábitos de visualização promovidos pela reprodução automática e recomendações levaram à visualização excessiva. Além disso, 90% dos usuários também confessaram que frequentemente excediam o tempo de exibição planejado. Descobrimos que as pessoas que fizeram isso experimentaram emoções negativas, sentiram níveis mais altos de arrependimento, procrastinaram e ficaram insatisfeitas imediatamente após a sessão de visualização excessiva.

Todos os participantes da pesquisa preliminar mencionaram que, embora os recursos da interface do usuário sejam fáceis de usar, eles também são responsáveis ​​por promover a visualização compulsiva em determinadas situações. Com base nos resultados de nossa pesquisa preliminar, fizemos as seguintes hipóteses:

H1 – Nossa hipótese é que os usuários tendem a ter um estado de espírito compulsivo no uso prolongado de uma plataforma de streaming de vídeo e se arrependem de assistir demais .

H2 – Também levantamos a hipótese de que os recursos comumente usados, como Autoplay e Recomendações, aumentam a compulsividade em seu uso a longo prazo .

H3 – Levantamos ainda a hipótese de que padrões escuros de UI são responsáveis ​​pela redução da autonomia e autocontrole do usuário em plataformas de streaming de vídeo .

4 ESTUDO DIÁRIO ONLINE

Em nossa pesquisa preliminar, descobriu-se que a formação de hábitos é uma das variáveis ​​proeminentes responsáveis ​​por causar sessões de vigilância excessiva. Contextualizamos, portanto, o “loop do hábito” de gatilho, rotina, investimento e recompensa [ 18 ] para assistir a um vídeo conforme experimentado pelos usuários em termos de humor e sentimentos. O loop de hábito para assistir a vídeos pode ser resumido como consistindo nos quatro estágios a seguir: 1) Gatilhos externos apresentados por meio de elementos da interface do usuário e estados psicológicos internos, como solidão, tédio, “FOMO” etc.; 2) A ação resultante de desviar a atenção do usuário; 3) A recompensa de gozo e satisfação temporários; e 4) O investimento continuadono conteúdo da história, como querer descobrir o que acontece no próximo episódio depois que o episódio anterior termina em um momento de angústia.

Usamos essa conceituação para projetar um estudo de diário online com entrevistas finais de acompanhamento para investigar as hipóteses H1 e H2 . Incentivamos os participantes a assistir aos vídeos naturalmente e preencher as instruções do diário com respostas para nos ajudar a entender seu processo de pensamento enquanto selecionam uma interação e, subsequentemente, a entender suas tendências emocionais após a conclusão de um vídeo. Ou seja, a atividade do diário ocorre em dois estágios temporais, um no início e outro no final de uma sessão.

4.1 Recrutamento e Protocolo

Recrutamos os participantes por meio de e-mails distribuídos pelo Indraprastha Institute of Information Technology Delhi (IIIT-Delhi). Para garantir uma mistura de “bingers” e espectadores regulares, selecionamos 6 alunos de cada categoria de horas médias de visualização autorrelatadas por dia: 0-3 horas, 3-5 horas, 5-7 horas e 7+ horas. Isso foi feito para incluir um número igual de pessoas em uma mistura de categorias de exibição de vídeo homogeneamente variadas no tempo, o que nos permitiu obter uma visão mais abrangente que inclui os casos extremos de comportamentos de exibição de vídeo dos participantes. Todos os 24 participantes (13 mulheres e 11 homens, todos com idade entre 18 e 25 anos) foram obrigados a assinar um formulário de consentimento para compartilhar suas preferências de visualização de dados e garantir a confidencialidade dos dados antes de iniciar o estudo.

Binge-watching é definido como assistir a pelo menos 2–3 episódios seguidos [ 29]. Assim, os participantes foram encorajados a preencher os diários se assistissem a pelo menos 2 vídeos em uma sessão. Para evitar influenciar o comportamento de visualização natural, demos a eles um período de 20 dias para registrar pelo menos 7 sessões de visualização. Para incentivá-los a concluir o estudo, fornecemos avisos semanais aos usuários por meio de e-mails contendo informações sobre o status de seu progresso atual em termos de número de sessões de vídeo assistidas versus sessões restantes e lembrando-os ainda de preencher as entradas ao assistir a um vídeo sessão. Todas as respostas dos participantes foram registradas no Typeform. Cada participante foi incentivado com INR 100 para completar o estudo. Realizamos entrevistas de acompanhamento com cada participante para obter informações adicionais sobre as tendências observadas após a análise dos dados.

4.2 Método

Comportamentos arrependidos e irracionais são frequentemente considerados como resultado de vários fatores relacionados ao conteúdo, como qualidade de vídeo e áudio, gostar ou não gostar de personagens em uma história, qualidade do roteiro, etc., cada um dos quais é subjetivo para cada participante individual. No entanto, de acordo com nossa pesquisa, descobrimos que os comportamentos de arrependimento são causados ​​pela visualização inconsciente e não planejada de conteúdo indesejável ou devido ao excesso de observação. Por esse motivo, projetamos explicitamente nossos prompts para investigar o humor do usuário como resultado de excesso de observação e conteúdo indesejável. Isso nos deu as quatro opções a seguir para cada solicitação de sentimento do usuário: “satisfação devido ao conteúdo e duração desejáveis”, satisfação devido ao conteúdo desejável, mas arrependimento devido à exibição excessiva”, “satisfação devido à duração, mas arrependimento devido ao conteúdo indesejável,

A Teoria do Processo Duplo atua como nossa estrutura para investigar os padrões de pensamento e as percepções do usuário ao assistir a vídeos, pois pretende revelar padrões de pensamento conscientes (controlados, atentos) e inconscientes (automáticos, irracionais) [ 30 ], conforme manifestados nos comportamentos de visualização do usuário quando interagindo com os recursos da interface do usuário para navegar para o próximo vídeo em uma sessão. Isso é feito fornecendo opções que exibem um número igual de estados mentais atentos/conscientes, estados mentais não conscientes/inconscientes e uma opção entre eles para cada interação da interface do usuário. Em geral, os participantes foram encorajados a usar comentários adicionais para qualquer prompt do diário usando a opção “outros (especifique)”, sempre que necessário.

Para capturar o afeto do usuário, fornecemos 12 categorias de emoções positivas e negativas distintas em números iguais que são relevantes para a exibição de vídeos como opções, seguindo a abordagem usada na escala PANAS [ 57 ] . Também incluímos uma emoção neutra para abranger todas as valências emocionais. Motivado pela escala pictórica SAM [ 58], we represented each emotion with a different cartoon graphic so that users could quickly make decisions regarding their perceived emotions. All options in the diary study are randomly organized and presented. All options are formulated as a result of individual user characteristics and viewing preferences with respect to video streaming platform UI features (Autoplay, Recommendations, Search, Save/Watch Later). Details of the diary study prompts and user response options are provided in Section 1 of the supplementary material document.

Nosso diário on-line contém instruções para que os participantes reflitam sobre o uso dos recursos da interface do usuário, o contexto (lugar, hora, ambiente social), sentimentos (satisfação, arrependimento ou algo intermediário) e seu estado de espírito (consciente, inconsciente ou em algum lugar entre). Os prompts do diário são usados ​​para registrar o estado de espírito dos participantes no estágio de seleção de vídeo (interação) e os sentimentos do usuário subsequentemente no estágio de conclusão do vídeo. Além disso, os prompts também incluem a classificação de cada recurso de interface do usuário com base em sua facilidade de uso e acessibilidade de autonomia em uma escala de 0 a 10 em ambos os estágios.

Nossas entrevistas de acompanhamento são projetadas para revelar as razões por trás das tendências observadas nas respostas dos usuários sobre os dados registrados no estudo do diário. Por esta razão, foram geradas situações hipotéticas de visualização de vídeo relacionadas ao contexto do usuário, preferências de visualização e características individuais, que lembrassem aos usuários suas experiências passadas nas duas fases de visualização de vídeo (seleção e finalização), em diferentes estágios temporais (início e término ) de visualização. Isso os ajudou a refletir sobre os motivos por trás de suas interações de recursos relacionados à interface do usuário e os comportamentos de observação em geral. Isso também nos deu a oportunidade de envolver os usuários em uma discussão sobre as implicações de recursos problemáticos de design de interface do usuário, vistos de uma perspectiva de bem-estar digital e design centrado no usuário.

Tabela 1: Distribuição dos participantes para estudo de diário online com base em suas horas diárias médias observadas de visualização.

Média do tempo de visualização observado	F	M	Total
30 min – 1 h 15 min	3	3	6
1 hora e 15 minutos – 2 horas	4	2	6
2 h – 3 h 15 min	3	3	6
3h 15min +	2	2	4

4.3 Análise

Todos os participantes foram anonimizados antes de iniciar a análise. A taxa de abandono do nosso estudo foi de 8,33% (2 desistências), excluindo os casos em que os participantes realizaram menos de 7 sessões. Uma vez que a média diária observada de horas de visualização dos participantes do estudo diferiu das horas diárias de visualização autorrelatadas pelos usuários, homogeneizamos as categorias de participantes depois que todo o registro de dados foi concluído com base em suas horas médias de visualização observadas (consulte a Tabela 1). 22 usuários registraram 228 sessões (163 laptop/PC, 51 celular/tablet, 14 sessões de televisão) ao longo de 20 dias, com um participante registrando 9 entradas e o restante registrando 10 ou mais entradas. 15 participantes terminaram o registro em 10 dias e os restantes levaram 20 dias inteiros para concluir o registro.

Observamos que os participantes assistiram predominantemente a conteúdo relacionado a entretenimento (95,6%). Os participantes foram solicitados a avaliar cada interação em uma escala de 10 pontos em dois aspectos: “facilidade de uso” e “autonomia oferecida”. Uma classificação de facilidade de uso mais alta significa que a funcionalidade da interação torna a sessão de exibição de vídeo mais conveniente. Uma escala de maior autonomia significa que o usuário tem mais liberdade para tomar uma decisão autônoma. Por outro lado, uma classificação mais baixa na escala de autonomia indica mais compulsividade.

Para toda a análise, a reprodução automática refere-se à reprodução automática do próximo vídeo na lista de episódios ou uma fila gerada automaticamente de plataformas de streaming de vídeo após a conclusão de um vídeo ou ao atingir a parte final (por exemplo, créditos) de um vídeo. A pesquisa refere-se à funcionalidade da interface do usuário de digitar manualmente o texto para pesquisar vídeos relevantes na coleta de dados de conteúdo da plataforma de streaming. Salvar/assistir mais tarde refere-se à funcionalidade da interface do usuário de salvar um vídeo para visualização posterior, adicionando-o a uma “lista de reprodução” ou “coleção”. Recomendaçõesrefere-se à lista de vídeos apresentados aos espectadores na plataforma de streaming como vídeos sugeridos (incluindo sinônimos como “Mais como este”, “Você pode gostar”, “xx% correspondente”), representados como miniaturas com um título de texto descritivo. Como a Netflix inclui subcategorias em Recomendações, incluímos recursos de interface do usuário no YouTube, como “Tendências/Explorar”, “Pop-up no vídeo” e interações de “Assinatura” para representar a categoria geral de Recomendações. Isso cria um campo de jogo mais nivelado para comparar os recursos da interface do usuário em diferentes plataformas.

Depois de combiná-los, apresentamos a análise de quatro recursos: Reprodução automática , Recomendações , Pesquisar e Salvar/assistir mais tarde. Os participantes escolheram a reprodução automática em 150 das 456 fases da sessão de vídeo (32,89%). As avaliações médias de facilidade de uso e autonomia do Autoplay foram 8,59 e 4,85, com desvio padrão de 1,56 e 2,53, respectivamente. Os participantes escolheram Recomendações em 143 das 456 fases da sessão de vídeo (31,35%). As avaliações médias de facilidade de uso e autonomia das Recomendações foram 7,71 e 5,44, com desvio padrão de 1,86 e 2,79, respectivamente. Os participantes levaram para a Pesquisa um total de 51 das 456 fases da sessão de vídeo (11,18%). A média de facilidade de uso da busca foi de 7,83 (dp=1,47). Apenas sete fases da sessão de vídeo tiveram participantes que escolheram a interação Salvar/Assistir depois.

Classificamos os comportamentos contextuais em duas categorias, a saber, “características individuais” dos usuários, como horas de visualização observadas, planejador autorreferido e tolerância afetiva, e “preferências de visualização”, como plataforma, visualização estendida e comportamento de trabalho. Para entender melhor os dois recursos usados ​​com mais frequência, Autoplay e Recomendações, analisamos o efeito de nossas variáveis ​​- sentimentos, estado de espírito, facilidade de uso, compulsividade, características individuais, preferências de visualização – devido ao uso de Autoplay e Recomendações em nosso variável dependente (início da sessão, fim da sessão). Para analisar as variáveis ​​discretas (sentimentos, estado de espírito, características individuais e preferências de visualização), executamos duas regressões logísticas independentes, uma para Autoplay e uma para Recomendações.

4.4 Resultados da Análise do Diário Online

Inicialmente, comparamos os resultados gerais dos recursos Pesquisar e Salvar/Assistir mais tarde com Reprodução automática e Recomendações. Em seguida, apresentamos os resultados de “facilidade de uso” e “autonomia” do Autoplay e das Recomendações. Por fim, apresentamos os resultados exibindo o efeito da reprodução automática e das recomendações sobre o estado de espírito e os sentimentos do usuário.

4.4.1 Pesquisar e salvar/assistir mais tarde versus reprodução automática e recomendações. A pesquisa teve 78,43% do total de fases da sessão de vídeo, em que os participantes clicaram no que queriam assistir, em vez de assistir ao conteúdo sugerido. Isso foi superior ao Autoplay e às Recomendações, onde apenas 50% e 52,45% de suas respectivas fases totais da sessão de vídeo tiveram participantes que clicaram nas sugestões de interação que realmente gostaram. Além disso, 98,04% das fases da sessão de vídeo com interações de pesquisa deixaram os participantes satisfeitos, pois assistiram ao conteúdo desejado após a conclusão do vídeo.

A facilidade média de uso da busca (7,83) foi quase comparável com a Recomendação (7,71), mas relativamente menor que o Autoplay (8,59). No entanto, à medida que avançamos para o final de uma sessão, a Facilidade de Uso da Pesquisa mudou para 8,03, superior à das Recomendações (7,52), mas ainda inferior à Reprodução Automática (8,40). Além disso, a classificação média de autonomia da pesquisa foi de 6,68, superior à reprodução automática (4,85) e às recomendações (5,44). Isso sugere que, embora a Pesquisa seja classificada como uma interação com melhor autonomia do que as Recomendações, quando chegamos ao final de uma sessão, as pessoas ainda assim usam as Recomendações (84 sessões de vídeo) mais do que a Pesquisa (30 sessões de vídeo).

Salvar/Assistir depois teve 71,43% do total das fases da sessão de vídeo em que os participantes clicaram no que queriam assistir e não assistiram sem pensar. Além disso, 100% das fases da sessão de vídeo deixaram os participantes satisfeitos com o que assistiram após a conclusão do vídeo. A classificação de autonomia de Salvar/Assistir mais tarde quando passamos para os dois últimos vídeos foi mais alta em 6,66, o que significa que esse recurso induziu a menor compulsividade de todos os recursos ao passar para o final de uma fase de sessão de vídeo.

Descobrimos que, embora a reprodução automática e as recomendações ajudem na facilidade de uso, pesquisar e salvar/assistir mais tarde são recursos melhores em termos de promoção de autonomia.

4.4.2 Comportamentos Contextuais: Visualização de Horários e Comportamento de Trabalho. Aqui apresentamos tendências de visualização com base em comportamentos contextuais significativos, conforme observado na análise de regressão. Entre todas as variáveis ​​de ‘características individuais’ e ‘preferência de padrão’, observamos tendências de visualização significativas devido a Horas de Visualização e Comportamento no Trabalho.

Horas de visualização – observamos tendências semelhantes para reprodução automática e recomendações para o tempo médio de visualização observado (Figura 4(c)). As chances dos participantes estarem na categoria de horas de exibição de 1,25 horas – 2 horas são menores do que as chances dos participantes estarem na categoria 2 horas – 3,25 horas, que é ainda menor do que as chances dos participantes estarem na categoria 3,25 horas ou mais , à medida que avançamos do início de uma sessão de visualização para o final, quando a reprodução automática ou a recomendação são usadas. As entrevistas revelaram que a razão por trás disso pode ser a tendência dos usuários de se cansarem à medida que assistem continuamente mais. Os participantes com maior média de horas observadas de visualização tenderam a ficar mais cansados ​​em comparação aos demais. Assim, sua seleção torna-se mais irracional, reforçando um comportamento de visualização estendida. Para o Autoplay, as chances de um participante estar na categoria de exibição de 0,5 horas a 1,25 horas são as mais altas, o que parece contra-intuitivo. No entanto, conforme observado nas entrevistas finais, a razão por trás disso pode ser que, como a maioria dos participantes eram estudantes universitários com palestras e tarefas de trabalho, eles tendiam a assistir a episódios de curta duração, como Friends, ou assistir a vídeos curtos relacionados ao estudo no YouTube para aprender habilidades de codificação. P11 disse: “Às vezes, assisto a um vídeo de 10 ou 20 minutos, como Friends ou Seinfeld, enquanto almoço. Ele funciona como uma explosão rápida de dose de entretenimento entre os estudos, sem perda de tempo.” P13 disse: “Eu assistiria a tutoriais de codificação de 5 minutos aqui e ali apenas para saber como implementar uma biblioteca específica, digamos em Python. Essa é a maneira mais rápida de aprender a implementar uma habilidade de codificação.” eles tendiam a assistir a episódios de curta temporada, como Friends, ou assistir a vídeos curtos relacionados a estudos no YouTube para aprender habilidades de codificação. P11 disse: “Às vezes, assisto a um vídeo de 10 ou 20 minutos, como Friends ou Seinfeld, enquanto almoço. Ele funciona como uma explosão rápida de dose de entretenimento entre os estudos, sem perda de tempo.” P13 disse: “Eu assistiria a tutoriais de codificação de 5 minutos aqui e ali apenas para saber como implementar uma biblioteca específica, digamos em Python. Essa é a maneira mais rápida de aprender a implementar uma habilidade de codificação.” eles tendiam a assistir a episódios de curta temporada, como Friends, ou assistir a vídeos curtos relacionados a estudos no YouTube para aprender habilidades de codificação. P11 disse: “Às vezes, assisto a um vídeo de 10 ou 20 minutos, como Friends ou Seinfeld, enquanto almoço. Ele funciona como uma explosão rápida de dose de entretenimento entre os estudos, sem perda de tempo.” P13 disse: “Eu assistiria a tutoriais de codificação de 5 minutos aqui e ali apenas para saber como implementar uma biblioteca específica, digamos em Python. Essa é a maneira mais rápida de aprender a implementar uma habilidade de codificação.” ” P13 disse: “Eu assistiria a tutoriais de codificação de 5 minutos aqui e ali apenas para saber como implementar uma biblioteca específica, digamos em Python. Essa é a maneira mais rápida de aprender a implementar uma habilidade de codificação.” ” P13 disse: “Eu assistiria a tutoriais de codificação de 5 minutos aqui e ali apenas para saber como implementar uma biblioteca específica, digamos em Python. Essa é a maneira mais rápida de aprender a implementar uma habilidade de codificação.”

Comportamento de trabalho – Observamos tendências opostas no comportamento de trabalho dos usuários ao usar o Autoplay e as recomendações. À medida que avançamos do início de uma sessão de visualização para o final, as chances de pessoas que usam a reprodução automática enquanto assistem a um vídeo antes de iniciar o trabalho diminuemem relação às pessoas que assistem ao vídeo depois de concluir seu trabalho (consulte a Tabela 1 no documento de materiais suplementares para obter os valores da razão de chances). Isso contrasta com as Recomendações, em que as probabilidades aumentam à medida que avançamos do início ao fim. De acordo com as entrevistas, isso pode ocorrer porque as pessoas costumam usar Recomendações para selecionar um novo vídeo para exibição. Isso contrasta com a reprodução automática, que faz as pessoas assistirem a episódios em loop, especialmente em uma série. P5 disse: “Geralmente não começo uma série antes de concluir minhas metas de estudo do dia. É difícil me concentrar nos estudos se começo uma série, o que me torna menos produtivo. É apenas esse desejo de completar a história antes de começar qualquer outra coisa.”

4.4.3 Facilidade de Uso e Autonomia – Jogo Automático versus Recomendação. Observamos que, embora os usuários considerassem os recursos da interface do usuário úteis, eles também os consideravam compulsivos às vezes em nossa análise inicial da pesquisa. Para confirmar e quantificar isso, a seção a seguir apresenta os resultados sobre os parâmetros de facilidade de uso e autonomia para Autoplay e Recomendações. Na maioria das plataformas, o primeiro vídeo recomendado é usado para reprodução automática. Assim, ao longo de nossa análise, consideramos todos os vídeos de Recomendação diferentes dos vídeos de reprodução automática, ou seja, são mutuamente exclusivos.

A Figura 3 (b) mostra que, à medida que avançamos do início de uma sessão de visualização para o final, a facilidade de uso da reprodução automática e das recomendações diminui marginalmente. No entanto, a Figura 3(c) mostra que com o tempo, o poder de induzir compulsividade aumenta mais para Recomendações do que para Jogo Automático. Isso é surpreendente porque nossa intuição é que o Autoplay geralmente passa despercebido quando oferece novos episódios em uma temporada para visualização ao usuário. Por outro lado, à medida que alguém continua usando recomendações em uma sessão de vídeo para selecionar novos vídeos, pode perceber que seus vieses de conteúdo são reforçados pelo algoritmo de recomendação. P2 da entrevista disse: “Uma vez, um vídeo do Hell’s Kitchen apareceu na minha página recomendada e eu disse – Ah, é o algoritmo novamente. Eu não quero assistir isso o tempo todo, algoritmo estúpido…” Nossa hipótese é que isso pode ser porque usamos respostas autoavaliadas do usuário. Isso faz com que a compulsividade percebida da recomendação seja maior do que o jogo automático,

Para entender os efeitos do Autoplay e das Recomendações e entender sua correlação com o humor e os sentimentos do usuário, apresentamos nossos resultados da análise de regressão do Autoplay e das Recomendações, juntamente com os motivos e explicações para certas tendências das entrevistas de acompanhamento.

Figura 3: (a) Representa o número de sessões nas quais as pessoas ficaram descuidadas, atentas ou à margem da incerteza ao selecionar uma interação para assistir a um vídeo devido à reprodução automática ou à recomendação. Essas classificações são exibidas no início e no final da sessão de visualização. Definimos margem de incerteza como o estado de espírito das pessoas em sessões em que não estavam exatamente conscientes ou inconscientes, mas em algum lugar intermediário. (b) Exibe a facilidade média de classificação do usuário para os 4 recursos da interface do usuário – reprodução automática, recomendações, pesquisa, salvar/assistir mais tarde para o início e o fim de uma sessão de visualização. (c) Exibe as classificações médias de autonomia do usuário para os recursos da interface do usuário no início e no final de uma sessão de visualização.

4.4.4 Estado de Espírito e Sentimentos – Jogo Automático versus Recomendações. Definimos duas fases importantes de analisar numa sessão de visualização de vídeo, a fase de seleção (interação) do vídeo e a fase de finalização do vídeo .

Fase de seleção de vídeo – Referimo-nos à fase de seleção de vídeo como a fase em que os usuários interagem com os recursos da interface do usuário da plataforma de streaming para selecionar um vídeo para visualização. Usamos isso para analisar o estado de espírito do usuário.

1. Conforme observado na Figura 3 (a), à medida que os usuários passam dos 2 primeiros vídeos para os 2 últimos, ou à medida que os usuários passam do início de uma sessão de visualização para o final, a porcentagem de pessoas que assistem a vídeos sem pensar aumenta em 24,8% em Reprodução automática, em comparação com o aumento percentual na visualização sem sentido devido às recomendações, que é de 3,5%.
2. À medida que os usuários passam do início de uma sessão de visualização para o final, eles passam de gostar de uma sugestão de vídeo na reprodução automática para deixá-la reproduzir sem pensar e, finalmente, para uma margem de incerteza (em algum lugar entre gostar da sugestão de reprodução automática e usá-la sem pensar) ( Figura 4(a)). As entrevistas revelaram duas explicações para isso. Em primeiro lugar, a maioria das sugestões de reprodução automática foram usadas pelos usuários para completar uma história em uma série (formato de conteúdo contínuo de desenvolvimento de história em vários episódios). Portanto, mesmo que o usuário não gostasse de uma história, ele assistia ao vídeo para que um fechamento pudesse ser alcançado. P6 disse ao discutir o Autoplay, “5 segundos restantes no Autoplay e então você não se importa, já começou. Não consigo parar porque quando o conteúdo começa e estou prestes a cancelar ou sair, parece que você está saindo no meio do caminho. Há uma estranha sensação de estar perdendo alguma coisa. É só mais tarde, quando você perdeu muito tempo, que percebeu que eu não tinha nenhum motivo para terminar o vídeo, talvez a não ser para assistir como a história termina.” Em segundo lugar, enquanto assiste a uma série, os usuários não tiveram tempo suficiente no cronômetro de reprodução automática para fazer uma pausa para refletir e discutir claramente sobre o episódio recentemente concluído de uma história ou para tomar uma decisão consciente de parar de assistir. P8 disse: “Assistir aos créditos deve ser uma ação padrão quando se está assistindo a uma história. Um episódio geralmente termina em um momento decisivo, o que requer reflexão e discussões com outros observadores, o que é indiscutivelmente negado pelo Autoplay após a conclusão de um episódio. Honestamente, isso poderia ser evitável. Isso arruína a experiência de visualização.” o que requer reflexão e discussões com outros observadores, o que é indiscutivelmente negado pelo Autoplay após a conclusão de um episódio. Honestamente, isso poderia ser evitável. Isso arruína a experiência de visualização.” o que requer reflexão e discussões com outros observadores, o que é indiscutivelmente negado pelo Autoplay após a conclusão de um episódio. Honestamente, isso poderia ser evitável. Isso arruína a experiência de visualização.”
3. À medida que os usuários passam do início de uma sessão de visualização para o final de uma sessão de visualização, eles passam de uma margem de incerteza, para gostar de uma sugestão de vídeo por meio de recomendações e, finalmente, para selecionar uma sugestão de recomendação sem pensar (Figura 4(a)). As entrevistas revelaram que isso pode ocorrer porque a maioria dos usuários no início da sessão não tinha certeza de qual vídeo recomendado selecionar na fase de seleção. Mas, como o Recomendações continua recomendando com base no histórico de exibição anterior após a conclusão de cada vídeo, as pessoas começam a gostar das sugestões à medida que começam a corresponder ao seu humor atual. P5 disse: “As recomendações são boas para começar. Eu escolho o tema dos vídeos que assisto atualmente.” No entanto, no final de uma sessão de visualização, os usuários geralmente ficam exaustos e entediados com as recomendações apresentadas. P4 disse: “Conforme você continua selecionando os vídeos de Recomendações no YouTube, parece uma toca de coelho, você começa a não gostar da experiência de visualização. Quero dizer, pode ser bom ter uma gama mais ampla de recomendações às vezes,

Figura 4: (a) Exibe a razão de chances em valores de regressão linear dos três estados mentais do usuário (consciente – gostou da sugestão, negligente, margem de incerteza) ao usar o Autoplay e as Recomendações, representando tendências nos estados mentais do usuário devido a diferentes tipos de interação do usuário. (b) Exibe a razão de chances em valores de regressão linear dos quatro tipos de sentimentos do usuário ao usar Autoplay e Recomendações, representando tendências nos sentimentos do usuário devido a diferentes tipos de interação do usuário. (c) Exibe a razão de chances em valores de regressão linear das horas de visualização observadas, representando tendências no comportamento de visualização devido à duração da duração da sessão.

Figura 5: Representa o número de sessões em que as pessoas ficaram satisfeitas, arrependidas ou à margem da incerteza depois de assistir a um vídeo selecionado por reprodução automática ou recomendação. Essas classificações são exibidas no início e no final de uma sessão de visualização (a) Mostra a classificação desse número de sessões para todos os visualizadores estendidos. (b) Mostra a classificação do número de sessões para pessoas que assistiram menos do que o planejado. (c) Mostra a classificação do número de sessões para pessoas que assistiram tanto quanto planejaram. Definimos margem de incerteza como os sentimentos das pessoas em sessões em que não ficaram exatamente satisfeitas ou arrependidas, mas em algum lugar no meio devido a assistir a um conteúdo indesejado por um período de tempo desejado ou a assistir a um conteúdo desejado por um período de tempo indesejado.

Fase de conclusão do vídeo – Referimo-nos à fase de conclusão do vídeo como a fase em que os usuários concluem a exibição de um vídeo. Usamos isso para analisar os sentimentos do usuário.

1. Conforme observado na Figura 5 (a), espectadores não planejados que tendem a prolongar suas sessões de visualização aumentam em 34,02% as chances de arrependimento ao usar as Recomendações. O aumento percentual de arrependimento devido ao Autoplay é de 19,8%. Embora o aumento percentual de reprodução automática e recomendações seja alto aqui, o aumento percentual de arrependimento devido a recomendações é muito maior e muito mais problemático.
2. À medida que os usuários passam do início de uma sessão de visualização para o final de uma sessão de visualização, há dois sentimentos mais proeminentes após terminar um vídeo selecionado usando a reprodução automática. Uma delas é o sentimento de insatisfação pelo conteúdo e o arrependimento por ter superado a quantidade de conteúdo. Em segundo lugar, está a satisfação com o conteúdo, mas o arrependimento de observar demais a quantidade de conteúdo (Figura 4(b)). Este resultado foi muito significativo em nossos achados. As entrevistas revelaram que a razão por trás disso pode ser a maneira de trabalhar do Autoplay enquanto os usuários assistem a uma série, que é aplicar continuamente conteúdo de que os usuários gostam e forçá-los a assistir a episódios consecutivos em uma temporada até que terminem a temporada inteira. . P7 disse: “É quase predatório, você não pode ter nenhuma discussão com a família ou amigos, dificilmente tem tempo para interagir com a interface do usuário no cronômetro limitado e pronto, outro episódio começa”.
3. À medida que os usuários passam do início de uma sessão de visualização para o final de uma sessão de visualização, o sentimento mais proeminente após terminar um vídeo selecionado usando Recomendações é a insatisfação devido ao conteúdo assistido junto com a exibição excessiva (Figura 4(b)). Este resultado foi muito significativo em nossos achados. Também observamos que as chances de uma sessão estendida são maiores quando um usuário usa a recomendação do que o jogo automático, pois o usuário se move do início para o fim de uma sessão. Portanto, concluímos que as recomendações causam sessões de visualização estendidas mais lamentáveis ​​do que a reprodução automática, pois com as sugestões de reprodução automática o usuário assiste ao conteúdo desejado, o que não é o caso das sugestões de recomendação. As entrevistas revelaram que isso pode ser devido a recomendações indesejadas que as pessoas acabam assistindo e, eventualmente, perdendo tempo. P12 disse: “Eu costumo assistir a série recomendada por um amigo ou que está em alta, então não preciso passar pelos vídeos recomendados”. P10 disse: “Só porque o meio é fácil de usar e não tão difícil de entender como talvez ler um livro, é fácil começar a assistir qualquer recomendação que você receber. É a melhor passagem de tempo, mas geralmente sinto que poderia ter assistido algo melhor, ou talvez ter feito algo mais produtivo.”

Concluímos que, entre a reprodução automática e as recomendações, as recomendações impõem mais desatenção no estágio de interação (seleção de vídeo), enquanto a reprodução automática impõe sessões de visualização mais estendidas. Observamos que as sessões de visualização de alta duração eram mais resultado da reprodução automática do que das recomendações. Tanto a Reprodução Automática quanto as Recomendações induzem sentimentos crescentes de arrependimento devido à exibição excessiva de conteúdo indesejado no estágio de exibição pós-vídeo no final de uma sessão, indicando que esses recursos impõem comportamentos não intencionais de exibição excessiva.

4.5 Considerações de design para o bem-estar digital

Nossos dados de estudo de diário on-line forneceram confirmação inicial para nossa hipótese de que os elementos da interface do usuário são responsáveis ​​por causar comportamentos lamentáveis ​​de vigilância excessiva ( H1 ). Também descobrimos que as IUs padrão geralmente melhoram a usabilidade sem induzir compulsividade no início de uma sessão de visualização. No entanto, esses recursos tendem a se tornar compulsivos à medida que nos aproximamos do horário final de uma sessão de visualização ( H2 ). Portanto, as salvaguardas de design são especialmente necessárias quando nos aproximamos do final de uma sessão de visualização, a fim de reduzir a visualização sem sentido. Aqui apresentamos algumas maneiras de impor interações mais conscientes com plataformas de streaming de vídeo que podem melhorar o bem-estar digital do usuário final.

• Nudges de reprodução automática – Como a reprodução automática impôs um aumento drástico (24,8%) em comportamentos irracionais com a progressão da duração da visualização em uma sessão de vídeo, proteções de design como cutucadas podem ser particularmente úteis para solicitar que um usuário faça uma interação consciente antes de continuar a assistir a mais vídeos [ 12 ].
• Interações conscientes da interface do usuário padrão – As únicas opções disponíveis na reprodução automática enquanto o vídeo assiste a uma série são ‘Assistir créditos’ e ‘Reproduzir a seguir’. Embora atualmente a opção padrão para assistir a vídeos seja selecionar ‘Reproduzir a seguir’ após um breve período de tempo, a opção padrão pode ser alterada para ‘Pular créditos’ e exigir uma interação consciente para começar a reproduzir o próximo episódio da série .
• Recomendações variadas – Netflix é um bom exemplo para outras plataformas de streaming de vídeo, pois tenta manter categorias e introduzir recomendações variadas que os usuários podem escolher. Ao categorizar recomendações personalizadas de forma eficaz, a plataforma ajuda o usuário a tomar uma decisão, resultando em uma melhor utilização e bem informado de seus tempos de engajamento com a plataforma.
• Nudges alternativos de recomendação – como a sugestão de novas recomendações atualmente funciona para fornecer opções de vídeo que ampliam os interesses e preconceitos do usuário sobre o histórico de exibição anterior, projetar proteções que atualizem as recomendações aleatoriamente e fornecer cutucadas para introduzir algo novo após um determinado limite de recomendações pode ser útil para sair da lista de opções em que os usuários estão engajados. Isso pode ajudar a expô-los a novos interesses pessoais, potencializando e ampliando seus interesses e humores, reduzindo assim a visualização irracional.

Ao analisar o estudo anterior, descobrimos que as UIs atuais são responsáveis ​​por uma perda de autonomia e autocontrole nos usuários enquanto assistem a vídeos. Embora as salvaguardas de design mencionadas acima possam servir como medidas úteis para melhorar o estado atual da IU em plataformas de streaming de vídeo, também identificamos e validamos instâncias de padrões de IU de design problemáticos específicos que promovem comportamentos inadvertidos de visualização do usuário, que discutiremos na próxima seção.

5 PADRÕES ESCUROS EM PLATAFORMAS DE STREAMING DE VÍDEO

Classificamos padrões escuros na interface do usuário da plataforma de streaming de vídeo após analisar artefatos no YouTube, Netflix, Amazon Prime Video e Disney+ Hotstar. Esses são padrões que têm o potencial de promover comportamentos de visualização não intencionais em uma sessão de exibição de vídeo.

5.1 Protocolo

Com base nas percepções do usuário coletadas no estudo do diário, uma equipe de 4 pesquisadores, incluindo mais um pesquisador sênior com ampla experiência em design UX, analisou separadamente os recursos individuais da UI em cada uma das 4 plataformas de streaming disponíveis em diferentes dispositivos (laptop/PC, celular /tablets, televisão). Todos os pesquisadores apresentaram suas descobertas sobre cada elemento da interface do usuário nas quatro plataformas e trabalharam juntos para identificar elementos problemáticos da interface do usuário. Finalmente, cada pesquisador confirmou independentemente que todas as categorias formuladas eram apropriadas. O objetivo desse processo de categorização era revelar determinadas situações de uso e seu consequente efeito no estado de espírito do usuário. Por exemplo, ‘contagem regressiva extrema’ não apenas representou o cronômetro em uma funcionalidade de reprodução automática, mas também a situação de pressão induzida por ela para que os usuários tomem uma decisão. Chegamos a um total de 44 instâncias de artefatos de UI. Estes são destacados na Figura7 através de ícones marcados em vermelho. Recrutamos 15 participantes enviando e-mails em toda a universidade para entrevistas para reunir evidências sobre os artefatos de interface do usuário selecionados. Os participantes eram uma mistura de bingers autorrelatados escolhidos aleatoriamente e espectadores regulares nas seguintes categorias: 0-3 horas (3), 3-5 horas (4), 5-7 horas (4) e 7+ horas (4 ).

5.2 Método de entrevista

Realizamos entrevistas abertas com cada participante fazendo perguntas gerais relacionadas à interface do usuário, indagando sobre a funcionalidade da interface e o efeito na exibição de vídeo. Em seguida, mostramos a eles nosso conjunto de capturas de tela que continham instâncias de artefatos de IU de streaming problemáticos. (Exemplos dessas capturas de tela são fornecidos na Seção 3 do documento de materiais suplementares). Para entender os pensamentos de cada participante sobre nossos padrões de IU compilados, os encorajamos a falar livremente. Pedimos a cada participante que recordasse suas experiências de visualização anteriores em relação ao artefato de interface do usuário visualizado enquanto mencionava os efeitos desses padrões de interface do usuário em seus hábitos de visualização. Depois de cada categoria de tipo semelhante de UIs problemáticas, incentivamos os participantes a fornecer possíveis sugestões para reduzir seus efeitos de visualização viciantes, se houver.

5.3 Análise

Todas as entrevistas foram gravadas e transcritas. Cada entrevista durou em média 25 minutos. Três pesquisadores diferentes codificaram separadamente temas de padrão de interface do usuário indutivamente que causam visualização não intencional em plataformas de streaming de vídeo. Depois de analisar esses 3 conjuntos separados de códigos, chegamos a 8 temas distintos. Finalmente convergimos essas 8 categorias em 5, depois de analisar as definições formuladas e resolver as categorias sobrepostas. Em seguida, apresentamos 5 temas de padrões sombrios para descrever suas capacidades negativas de longo prazo, conforme observado nas entrevistas dos participantes (consulte a Figura   6 e a Figura   7 ). Nossa análise dessas entrevistas fornece uma confirmação inicial de nossa hipótese de que os padrões escuros da interface do usuário afetam aspectos do bem-estar do usuário, incluindo autonomia e autocontrole do usuário (H3 ).

Figura 6: Tipos de padrões escuros em plataformas de streaming de vídeo observados a partir de um comportamento de visualização de bem-estar digital centrado no usuário. Esses padrões sombrios são analisados ​​e compilados após a análise de 4 plataformas populares de streaming de vídeo Netflix, Disney+ Hotstar, YouTube e Amazon Prime Video por meio do uso de dispositivos móveis/tablets, laptop/PC e televisão.

5.4 Névoa de recurso

“Feature fog” refere-se a padrões de interface do usuário que induzem inconsciência ao reduzir a autonomia do tempo gasto pelo usuário no monitoramento, e está relacionado à “informação oculta” de Brignull [ 6 ] e à “interferência de interface” de Gray [ 24 ]. Esses padrões de interface do usuário são projetados para que o usuário seja menos capaz de obter feedback sobre o tempo gasto em uma sessão de visualização. Por exemplo, o recurso de tempo decorrido que permite ao usuário monitorar quanto tempo se passou desde o início do vídeo está ausente do Netflix. Ao mostrar o recurso de tempo decorrido (Figura   1), 12 dos 15 participantes concordaram que esse recurso tem o potencial de reforçar o desconhecimento da sensação de tempo gasto na plataforma. Conforme observado em nosso estudo de usuário anterior, podemos dizer que, com o tempo, esse padrão se torna mais proeminente na imposição de sessões de visualização estendidas. 6 de 15 participantes não sabiam se esse padrão existia. P09 diz: “Nunca prestei atenção nisso. Isso definitivamente parece enganoso para mim.” P12 diz: “Normalmente, posso subtrair o tempo decorrido da duração real do tempo para saber quanto tempo gastei. Mas outras vezes, eu penso, vamos apenas completar o filme ou episódio. Isso leva a uma extensão de mais de meia hora a uma hora na minha experiência de visualização.

Esse padrão leva a uma sensação de desconhecimento do tempo, persuadindo os usuários a assistir mais, independentemente do tempo já gasto. P04 diz: “Eu esqueço de acompanhar o tempo e isso (Netflix) não me ajuda em nada”. Isso é semelhante ao truque psicológico usado pelos restaurantes chamado ‘engenharia de cardápio’, onde itens caros são escondidos para que não fiquem em contato visual direto com os clientes [ 33 ] . Da mesma forma, em plataformas de streaming de vídeo, pode-se argumentar que as informações sobre quanto tempo passou são intencionalmente ocultas da interface do usuário padrão precisamente para que os usuários percam a noção de quanto tempo estão gastando nas plataformas de visualização. Idealmente, isso pode ser corrigido incorporando tanto o tempo decorrido quanto o tempo restante para um vídeo (como pode ser visto no recurso ‘Tempo assistido’ do YouTube).

Figura 7: Lista compilada de 5 categorias de padrões escuros — “névoa característica”, “contagem regressiva extrema”, “atraso de desligamento”, “areia movediça de atenção” e “moagem de viés”, em cada uma das 4 plataformas populares de streaming de vídeo – YouTube, Netflix, Disney+ Hotstar e Amazon Prime Video, retratando padrões sombrios nos 3 tipos de plataformas de visualização – dispositivos móveis/tablets, laptop/PC e televisão.

5.5 Contagem regressiva extrema

“Contagem regressiva extrema” refere-se a padrões de interface do usuário que possuem um cronômetro e que são executados automaticamente se não forem interrompidos em um curto período de tempo. Ao mostrar exemplos de tais recursos de interface do usuário (Figura 1) em todas as plataformas, todos, exceto 2 participantes, concordaram que tais padrões causam comportamentos não intencionais de vigilância excessiva. Os participantes apontaram como tais padrões induzem situações de pressão, principalmente quando presentes socialmente, para tomar uma decisão no tempo determinado. Podemos dizer de nosso estudo anterior que tais padrões reduzem a autonomia do usuário na tomada de decisões conscientes, especialmente à medida que o tempo aumenta em uma sessão de exibição de vídeo. P3 diz: “A reprodução automática não lhe dá tempo para pensar, você ainda está pensando no último episódio e, em seguida, o próximo episódio começa”. P5 descreve como o Autoplay da Netflix não oferece uma saída fácil: “Aconteceu muitas vezes quando eu queria parar o Autoplay, mas não conseguia descobrir como cancelá-lo e tive que sair do aplicativo completamente, ou era tarde demais para pegá-lo. o remoto.3 ] quando os usuários investiram algum tempo em uma temporada que talvez nem gostem de assistir.

Os participantes sugeriram que deveria haver mais liberdade nos recursos relacionados à contagem regressiva do cronômetro, incorporando configurações acessíveis para desativar esses recursos ou personalizar a duração do cronômetro. P7 fala sobre a reprodução automática do YouTube, dizendo: “Embora a recomendação de reprodução automática no YouTube seja muito atraente, ainda acho melhor porque cancela automaticamente se você estiver lendo a seção de comentários ou simplesmente clicar no botão cancelar na tela, ao contrário Netflix ou Amazon Prime Video onde você tem controle quase zero.” Concluímos que esses padrões impõem uma arquitetura de escolha tendenciosa [ 48], pois os usuários têm menos tempo para tomar uma decisão. Eles vêm com a opção mais proeminente disponível na frente deles, que é o próximo vídeo de reprodução automática padrão. Serviria melhor aos usuários se a arquitetura de escolha oferecida por tais plataformas de streaming de vídeo fosse mais aberta em termos de fornecer autonomia de escolha do usuário.

Esse padrão obscuro é semelhante aos encontrados em sites de compras que tentam os usuários oferecendo descontos especiais que estão disponíveis apenas até que um cronômetro acabe, embora geralmente esses cronômetros sejam muito mais longos (horas em vez de segundos). Além disso, os cronômetros de exibição de vídeo executam uma ação, a menos que você o interrompa explicitamente, enquanto os cronômetros de compras não produzem nenhuma ação quando expiram.

5.6 Atraso de desligamento

“Atraso de desligamento” refere-se a padrões de interface do usuário que promovem estratégias de ocultar recursos de uso restritivo na interface do usuário padrão e podem ser considerados uma variante das categorias de “informações ocultas” de Brignull ou “interferência de interface” de Gray. Por exemplo, o recurso ‘Sair’ na maioria das plataformas de streaming de vídeo não está prontamente disponível em muitas plataformas. Ao mostrar exemplos de tais padrões (Figura 1) nas 4 plataformas de streaming de vídeo, 8 participantes concordaram que mais visibilidade de tais opções poderia ajudar a quebrar padrões de visualização estendidos sem sentido. Esses participantes apontaram como foram desencorajados a fazer logoff devido à indisponibilidade de logout na página de destino principal. P8 diz: “Prefiro sair do aplicativo do que procurar a opção de logoff”. Há vantagens em sair das plataformas de streaming de vídeo, pois as Recomendações se tornam neutras e menos potentes na imposição da compulsividade. Conforme observado em nosso estudo anterior do usuário, as recomendações reforçam a visualização estendida devido às recomendações específicas do usuário (com base no histórico de exibição) em longas sessões de vídeo. P1 diz: “Sair está realmente oculto no Amazon Prime Video. Eu queria restringir minha visualização fazendo logout, mas foi um esforço para encontrá-lo,

4 participantes gostaram da Netflix por promover uma estrutura de perfil diferente em sua página inicial. P5 diz: “A opção padrão do Netflix é desconectar você da sua conta sempre que fechar o aplicativo”. Essas intervenções da interface do usuário atuam como atritos de design que reduzem comportamentos de visualização desnecessários, fornecendo ao usuário algum tempo para pensar [ 12]. Em vez de apenas assistir automaticamente aos vídeos recomendados ao acessar a página inicial, o usuário pode tomar uma decisão consciente de fazer login no tipo de conta que gostaria de usar. A indisponibilidade de certos recursos ocultos da interface do usuário promove inconsciência na visualização de comportamentos. Por outro lado, tornar esses elementos de design “restritivos” mais prontamente disponíveis pode ajudar a reduzir comportamentos desnecessários de observação excessiva, ou seja, se apresentados na interface do usuário padrão das plataformas de streaming de vídeo.

5.7 Atenção areia movediça

“Atenção areia movediça” refere-se a padrões de IU que iniciam instantaneamente sem ação consciente do usuário. Eles instantaneamente chamam a atenção do usuário e os desviam do que poderia ser um comportamento online diferente. Um exemplo desse padrão é o iniciador de GIF instantâneo em miniaturas de vídeo ao passar o mouse ou rolar com um único toque em dispositivos móveis. Ao mostrar exemplos de tais artefatos (Figura 1) nas 4 plataformas selecionadas, todos os participantes concordaram que são especificamente atraentes e os desviaram mais de uma vez em suas sessões de visualização. P9 diz: “Visualizações de GIFs no YouTube chamam minha atenção imediatamente. Em um laptop, eles ficam ativos sempre que passo o mouse sobre as miniaturas. Quase não há espaço na tela onde eu possa colocar o cursor para que não haja animação. Às vezes é tão irritante!” P13 diz: “Eles são especificamente irritantes em dispositivos móveis, pois você não tem opção de evitar olhar para os GIFs de vídeo ao rolar na tela sensível ao toque”. Esses padrões são preocupantes, pois usam a qualidade cativante de atenção única inerente aos vídeos, violando assim a atenção do usuário de sua intenção original. Assistir a vídeos foi denominado como viciante limítrofe, o que significa psicologicamente,21 , 32 ]. Isso parece antiético, conforme apontado pela maioria dos participantes. P15 menciona outro exemplo desse padrão na Netflix: “Sempre que eu entro na Netflix, os trailers de programas/filmes populares começam automaticamente, especificamente os originais da Netflix. Quase metade da tela é coberta por trailers, fica muito chato!” Esse padrão também oferece suporte à arquitetura de escolha tendenciosa [ 48 ] e faz com que as pessoas se arrependam de assistir a coisas que, de outra forma, não assistiriam.

Os participantes sugeriram que deveria haver uma categoria separada para trailers e prévias, pois eles gostariam de assisti-los apenas quando estivessem procurando por algo novo. Inferimos que os participantes desejam um método de interação mais consciente ao invés de vídeos iniciando automaticamente. P4 sugeriu possíveis mudanças nesse padrão que podem ser úteis: “Seria um recurso muito bom se, com um único clique ou toque do dedo, um GIF ou trailer começasse em uma miniatura e, com um clique/toque duplo do mouse, o vídeo inteiro começa.” P5 também menciona que “as plataformas devem adicionar um botão mudo a essas visualizações, conforme visto nas miniaturas do Amazon Prime Video”. Concluímos que uma interação mais consciente para iniciar um trailer e vídeo pode ajudar na redução de atenções desviadas desnecessárias dos usuários.

5.8 Moagem de polarização

“Bias grind” refere-se a padrões de interface do usuário que sobrecarregam desproporcionalmente os interesses e preconceitos do usuário e está relacionado à “manipulação estética” de Brignull. Um exemplo desse padrão é fornecer uma rolagem infinitamente longa de Recomendações com base no histórico de exibição anterior (consulte a Figura   1 ). É importante que as plataformas de vídeo cuidem do bem-estar do usuário, analisando o contexto do usuário e, assim, apresentando opções relevantes para o usuário. Além disso, a sobrecarga de escolha é um fenômeno de apresentar muitas opções aos usuários, o que tem sido associado à infelicidade, à fadiga da decisão, à escolha da opção padrão e ao adiamento da escolha .]. A partir de nosso estudo diário, descobrimos que os recursos de Recomendação permitem a compulsividade, especialmente quando o tempo de exibição de uma sessão aumenta. Os usuários apreciam uma variedade de opções em qualquer plataforma, mas a IU padrão de Recomendações oferece tantas opções que às vezes os usuários caem em uma lista interminável de vídeos irrelevantes. 12 participantes concordaram com os efeitos adversos de fornecer muitas opções para escolher. Ao não categorizar efetivamente as recomendações, tais padrões fazem com que os usuários se arrependam de assistir a algo que poderiam ter evitado se tivessem opções de escolha limitadas ou categorias de escolha efetivas. P11 aponta como as recomendações do YouTube impõem esse padrão: “O YouTube realmente oferece todas as opções do que você gosta e você sente que pode assistir a algo das recomendações, mas nunca fica satisfeito”. P5 diz, “É fácil clicar em qualquer vídeo e continuar assistindo. Não é que você preste atenção o tempo todo, ao contrário de ler um livro. Há uma responsabilidade das plataformas de vídeo em fornecer conteúdo que ajude a evitar a paralisia de escolha.”

P1 observa como a Netflix reduz com sucesso esse padrão “Acho que a Netflix tem um grande problema de sobrecarga de escolha, mas consegue categorizar de forma eficaz suas recomendações. Eles segmentam suas recomendações para cada categoria, fornecendo não mais do que cerca de 20 opções em cada categoria, o que parece ótimo.” Esses padrões precisam ser restritos, pois reforçam os preconceitos e interesses dos usuários [ 4] por meio de disponibilidade de escolha ilimitada, como no Netflix. Portanto, é difícil para os usuários fazer a escolha certa se esses padrões não forem otimizados e categorizados de maneira eficaz. P2 sugeriu: “Acho que algumas interações adicionais depois de visualizar algumas opções, como uma interação de slide adicional junto com a rolagem normal ou o pressionamento de botão, que leva mais tempo do que o normal, podem ser úteis em recomendações para reduzir a sobrecarga de opções”. Concluímos que tais padrões reforçam a paralisia de escolha e precisam ser restringidos como feito pela Netflix, fazendo categorizações efetivas das escolhas disponíveis. Além disso, incluir mais interações que levam tempo para desbloquear mais opções pode atuar como atritos de design eficazes [ 12 ] para reduzir a vigilância excessiva desnecessária.

6 DISCUSSÃO

Esperamos que este trabalho seja útil para aumentar a conscientização na comunidade HCI sobre possíveis práticas ilícitas de design que passam despercebidas enquanto ofendem e intrometem a atenção do usuário em interfaces de usuário digitais. A atenção é um importante parâmetro de bem-estar digital que está diretamente ligado à autonomia e à privacidade e deve ser respeitado. Conforme apontado por Lukoff et al. [ 35], promover mais autonomia deve ser um objetivo ativo das plataformas de streaming de vídeo. Nosso trabalho amplia esses esforços e fornece indicadores que aumentam a necessidade de proteger a autonomia do usuário, que é facilmente explorável por meio de designs de interface do usuário atualmente não regulamentados em plataformas digitais. Nosso trabalho também exige que futuros pesquisadores destaquem questões de privacidade do usuário, pois todo o histórico de visualização do usuário está prontamente disponível para todas as plataformas de streaming de vídeo, que por sua vez é usado por algoritmos de recomendação que têm o potencial de incentivar comportamentos não saudáveis ​​do usuário. Isso pode ter um efeito prejudicial nas formas como as pessoas, especialmente as crianças, usam as plataformas online e precisa ser estudado com mais detalhes para melhorar o bem-estar digital da próxima geração digital. Notamos que os padrões escuros são projetados a partir dos mesmos livros de regras psicológicas usados ​​para aumentar a facilidade de uso. No entanto, um design utilizável nem sempre implica em um design ético. A difusão desses designs torna mais difícil identificá-los, coagindo os usuários a continuar usando esses padrões. Em algum momento, os designers de plataforma devem prestar atenção à interação de longo prazo com o cliente e fornecer maneiras de mitigar a visualização compulsiva usando recursos que melhoram em vez de diminuir o bem-estar. Portanto, isso exige a definição de limites éticos de persuasão e engano, juntamente com um discurso público mais significativo sobre ética e condenação desses designs, tornando a comunidade praticante mais consciente de como a persuasão por meio de técnicas fáceis de usar pode se tornar “escuras” [55 ]. Precisamos reavaliar a facilidade de uso não apenas como uma funcionalidade conveniente, mas como isso nos afeta como indivíduos.

Nosso trabalho, portanto, inicia uma discussão sobre a estreita correlação entre facilidade de usabilidade e padrões obscuros de persuasão. Encontramos muitos recursos em plataformas de streaming de vídeo on-line que têm efeito prejudicial no bem-estar digital de um usuário e podem evoluir para padrões obscuros empregando técnicas de tiro pela culatra ou de favorecimento, conforme mencionado por Widdicks et al. [ 61]. Esses recursos de interface do usuário são funcionais e úteis de usar, mas após uso prolongado, a transição para designs compulsivos formadores de hábitos. Essa troca entre facilidade de uso e persuasão é crítica porque existe ambigüidade em relação à intenção do designer. No entanto, se um design está afetando negativamente o usuário final, precisamos reavaliá-lo para oferecer uma tecnologia que alimente os usuários em vez de distraí-los. Portanto, como estão atualmente, esses recursos da interface do usuário exigem alguma vigilância ou cutucadas que minimizam a possibilidade de sair pela culatra. Por meio de nosso estudo de usuário, encontramos participantes sugerindo mais tempo fornecendo interações para desbloquear mais autonomia, aprimorar a arquitetura de escolha e permitir um melhor controle para eles. Uma maneira de conseguir isso é introduzindo atritos de design eficazes [ 12] para reduzir a vigilância desnecessária. Outras maneiras de tornar os usuários mais conscientes de seu comportamento de visualização do que atualmente é a introdução de interações mais conscientes na interface do usuário padrão. Além disso, alguns recursos, como Recomendações, podem ser apresentados para aumentar a diversidade de opções, permitindo um melhor estado de espírito ao reduzir recomendações desnecessárias e ilimitadas. O trabalho futuro pode se concentrar em projetar e avaliar tais intervenções de interface do usuário que ajudem a reduzir os efeitos de visualização de longo prazo que impõem a falta de atenção nos recursos da plataforma de streaming de vídeo.

A partir das entrevistas do estudo diário de acompanhamento, também obtemos uma visão de como várias plataformas executam as mesmas interações de maneira diferente. Embora os padrões classificados na seção anterior existam em quase todas as plataformas mencionadas, houve tentativas de aliviar esse problema. A Netflix introduziu uma opção “Assista a algo novo”, que fornece recomendações aleatórias e afasta os usuários de seus preconceitos e interesses previamente definidos. A Netflix incluiu ainda um pop-up que pergunta “Você ainda está assistindo?” quando o Autoplay se reproduz automaticamente pela quinta vez consecutiva. No entanto, isso só ocorre quando o usuário deixa a interface ociosa, portanto não necessariamente interrompe o binge-watching, como visto nas entrevistas. O YouTube usa alguns avisos de bem-estar digital integrados, como “Lembre-me de fazer uma pausa, ” e “Lembre-me quando for hora de dormir” que ajudam a verificar a visualização sem sentido. Além disso, ele também fornece um botão de alternância de reprodução automática razoavelmente acessível. Ultimamente, o YouTube também incluiu uma interação de foco nas miniaturas de vídeo, que observa um certo atraso antes de animar os GIFs nelas. Agora também possui um recurso ‘Jogar agora’ e ‘Assistir mais tarde’ nas miniaturas para introduzir mais controles personalizados para usuários avançados. Embora esses recursos sejam um passo na direção certa, o YouTube removeu o recurso diferente de sua atualização mais recente, o que pode ter influências negativas sobre o excesso de observação em crianças, que podem não ser muito maduras para julgar o que assistir. Para esses fins, o trabalho futuro também pode se concentrar na classificação de padrões escuros de uma perspectiva de design de interface do usuário que pode expor um público-alvo, como crianças, a conteúdo ofensivo. O YouTube removeu ainda mais o recurso de tempo decorrido de sua interface do usuário padrão na atualização mais recente e mudou sua localização, colocando-o sobre a interação de alternância. Conforme observado em nosso estudo de padrões sombrios, isso causa inconsciência da sensação de tempo passado entre os usuários e induz comportamentos não intencionais de vigilância excessiva. Esforços devem ser feitos por essas plataformas para permitir ambientes de visualização saudáveis ​​para engajamentos mais sustentáveis ​​e construir confiança de longo prazo com os usuários. Considerando a natureza viciante do binge-watching, a plataforma de streaming de vídeo deve inovar constantemente e empregar soluções alternativas para projetar e desenvolver especificamente para o contexto do binge-watching.

Ao longo da discussão, presumimos que experiências de visualização lamentáveis ​​e irracionais desencadeadas por padrões de interface do usuário obscuros são indicadores de experiências ruins e os usuários devem ser protegidos contra eles em plataformas de streaming de vídeo. No entanto, existem alguns comportamentos irracionais que os usuários fazem alegremente e que valem a pena conservar. Por exemplo, por meio de nossas entrevistas, descobrimos que as pessoas gostavam de assistir vídeos sem pensar antes de dormir, independentemente do que assistiam, pois isso os ajudava a dormir melhor. Alguns participantes também gostaram de assistir sitcoms sem pensar enquanto estudavam, pois isso os ajudava a se concentrar melhor. Portanto, há valor em alguns comportamentos de visualização de vídeo contextual e vale a pena preservá-los ao projetar controles para essas plataformas. Também observamos uma margem de incerteza em termos do estado de espírito do usuário quando ele seleciona um tipo de interação de interface do usuário,  3 (b),(c) e Figura   5 (a),(b),(c). Essa margem de incerteza reflete um estado indeciso de escolha do usuário, que eventualmente se traduz em sentimentos de arrependimento/satisfação e estado de espírito mindless/mindful e pode ser um tópico interessante para exploração em trabalhos futuros. O design de estudos futuros deve se concentrar especificamente em explorar essas áreas de transição que podem ser críticas para encontrar gatilhos, interações e sentimentos que causam comportamentos de visualização não intencionais.

Além de identificar comportamentos irracionais e de arrependimento em indivíduos, nosso trabalho também tem várias implicações sociais. Como a exibição de vídeos também é feita como uma atividade em grupo com familiares e amigos, ela serve como um artefato cultural que precisa ser idealmente curado, pois tem o poder de modificar comportamentos sociais. Se não for fornecido espaço suficiente para um grupo de pessoas durante a exibição do vídeo para conversar e interagir, por exemplo, ao pular os créditos e reproduzir o próximo episódio, isso pode arruinar a experiência de visualização e resultar em comportamentos sociais pouco saudáveis ​​e não comunicativos. Isso novamente aumenta a importância de projetar a interface do usuário padrão dessas plataformas de forma a oferecer suporte ao desengajamento ativo da plataforma, sempre que necessário, para incentivar o uso saudável a longo prazo. O trabalho futuro deve explorar as respostas do usuário às interfaces de streaming de vídeo em um grupo demográfico mais amplo. Afastando-se das plataformas de streaming convencionais, outra direção interessante de trabalho futuro pode ser a investigação de aplicativos de streaming ao vivo, como o Twitch da Amazon, que usa incentivos para fazer as pessoas permanecerem no streaming por meio de “pontos de canal” virtuais que podem ser reivindicados por recompensas no aplicativo.

Nosso estudo foi conduzido no Indraprastha Institute of Information Technology, Delhi, Índia. Embora nossos resultados indiquem tendências e comportamentos psicológicos humanos que são extensíveis para inferências mais gerais entre as populações, alguns comportamentos e preferências culturais na população-alvo podem não ser generalizáveis ​​para espectadores em todo o mundo. Além disso, para o nosso estudo de diário, os participantes foram especificamente instruídos a comentar sobre os sentimentos que surgiram devido às interações da IU e não por causa do conteúdo. Enquanto alguns participantes assistiram a vídeos relacionados à educação, a maioria das pessoas assistiu a conteúdo relacionado a entretenimento (95,6%). Portanto, todos os nossos resultados são generalizáveis ​​principalmente para conteúdo baseado em histórias de baixa carga cognitiva. Fornecemos avisos semanais aos usuários por e-mail sobre o status de seu progresso atual em termos de número de sessões de vídeo assistidas versus sessões restantes e lembrando-os de concluir as entradas após o término das sessões de visualização. Potencialmente, esses lembretes e a restrição dos participantes a um período de 20 dias podem influenciar o comportamento natural de visualização dos participantes, e nossos estudos futuros se concentrarão em como mitigar essa deficiência. O trabalho futuro também se concentrará na análise do YouTube em comparação com outras plataformas populares de streaming. Figura e nossos estudos futuros se concentrarão em como mitigar essa deficiência. O trabalho futuro também se concentrará na análise do YouTube em comparação com outras plataformas populares de streaming. Figura e nossos estudos futuros se concentrarão em como mitigar essa deficiência. O trabalho futuro também se concentrará na análise do YouTube em comparação com outras plataformas populares de streaming. Figura 7 fornece evidências de padrões de interface do usuário obscuros no YouTube que são um tanto distintos do resto, o que faz sentido, pois o YouTube também é único em termos de conteúdo que oferece, permitindo o acesso a um grande número de criadores de conteúdo interativo. Além disso, o YouTube apresenta principalmente vídeos mais curtos e independentes em comparação com outras plataformas de streaming, que contêm principalmente episódios mais longos que fazem parte de uma temporada de vídeos. Embora tenhamos incluído alguns trechos de usuários que apontam tais percepções relacionadas à plataforma, planejamos investigar essas diferenças mais detalhadamente em uma investigação subsequente.

7 CONCLUSÃO

Por meio de nosso estudo de diário on-line, realizamos uma análise aprofundada dos recursos da interface do usuário, especificamente reprodução automática e recomendações, em plataformas populares de streaming on-line na Índia. Estudamos seu impacto no estado de espírito do usuário, medindo seu nível de consciência e sensação de satisfação ao selecionar e concluir um vídeo para assistir. Também incluímos efeitos contextuais de características individuais e preferências de visualização como fatores adicionais que também tendem a influenciar os comportamentos do usuário. Centramos nossa análise na relação entre a facilidade de uso das interações da interface do usuário e a autonomia e seu efeito temporal nos sentimentos do usuário, principalmente vigilância e arrependimento. Observamos que embora esses recursos permitam facilidade de uso, eles impõem comportamentos compulsivos no uso a longo prazo. Identificamos esses resultados a partir de uma estrutura de bem-estar que proporciona satisfação à vida, fornecida por Peters et al. [40 ], focando nas prioridades do usuário, observando as intenções, comportamentos de trabalho e sociais, motivações individuais, objetivos e contexto de uso. Analisamos ainda mais os padrões subjacentes de designs enganosos que afetam o bem-estar digital do usuário. Identificamos cinco tipos de design – “nevoeiro de recursos”, contagem regressiva extrema”, “atraso de desligamento”, “areia movediça de atenção” e “moagem de viés”, a partir de vários fatores psicológicos e respostas do usuário que contribuem e fornecem evidências ao denominar esses tipos de elementos de design como padrões escuros no cenário de observação compulsiva.

FOOTNOTE

* Jaivrat Saroha and Kyzyl Monteiro made an equal contribution to the research presented in this paper.

¹ https://www.nbcnews.com/better/health/what-happens-your-brain-when-you-binge-watch-tv-series-ncna816991

This work is licensed under a Creative Commons Attribution-NoDerivs International 4.0 License.

DIS ’22, June 13–17, 2022, Virtual Event, Australia

© 2022 Copyright held by the owner/author(s).

ACM ISBN 978-1-4503-9358-4/22/06.

DOI: https://doi.org/10.1145/3532106.3533562

Este artigo é uma livre tradução e adaptação de: https://dl.acm.org/doi/fullHtml/10.1145/3532106.3533562, acessado em 30 de maio de 2023.

DOI: https://doi.org/10.1145/3532106.3533562