通过设计实现数字福祉：在UI/UX实践中守护最终用户的时间与注意力

《Proceedings of the ACM on Human-Computer Interaction》：Digital Wellbeing by Design: Safeguarding End-Users' Time and Attention in UI/UX Practices

　　

# 摘要

用户界面，尤其是社交媒体界面，通过注意力捕获损害模式（Attention-Capturing Damaging Patterns, ACDPs）——如无限滚动和内容自动播放——促进无意识使用，将用户参与度置于数字健康之上。近期研究表明，一种有前景的方法是通过设计优先性来重新对齐技术与用户的数字健康。基于这一理念，本文探讨了如何支持设计师识别ACDPs并呈现以健康为导向的替代方案。我们首先定义并评估了一种多模态提示技术，用于检测Figma原型中的ACDPs并发现可能促进有意识和主动技术使用的替代设计方案，并通过4位欺骗性设计专家对其输出进行评估。随后，我们将该提示技术集成到Figma插件中，并与15位UI/UX设计师进行了一次形成性实验室研究，以探索此类工具如何支持对ACDPs的早期反思以及其与现有实践之间的适配性。结果表明，该插件能够激发设计师在设计过程的早期重新思考其选择。

## 1 引言

尽管已有大量文献记录了技术过度使用所带来的问题，如睡眠障碍[35]和自我控制能力下降[46]，但科技公司仍在注意力经济框架下运营，采用无限滚动和内容自动播放等设计模式来最大化用户在平台上的停留时间和互动频率。这些注意力捕获损害模式（ACDPs）[57]可被视为"暗模式"的实例——即违背用户最佳利益的设计决策[28]——它们特别有助于营造一个将用户参与度置于数字健康之上的数字环境[7, 51]。

传统上，实现数字健康被认为是终端用户的责任[17]，人机交互（HCI）研究人员和从业者侧重于为用户提供数字自我控制工具（Digital Self-Control Tools, DSCTs），帮助用户通过自我监控技术使用以及在分散注意力的应用或网站上设置干预措施来行使自我控制[45, 64]。然而，越来越多的研究认为，解决注意力经济中的ACDPs需要从个体自我控制和以终端用户为中心的观点中走出来，转向通过识别、缓解和预防负面用户影响来实现伤害最小化[16, 17]。在此方向上，HCI研究人员提倡将数字健康视为一个关键的设计维度[55, 56, 57]，旨在促进有意义的在线体验，而不依赖外部协助。

基于这一日益增长的研究成果，本文探讨了在UI/UX设计的早期阶段和迭代活动中提高对ACDPs的认识如何影响设计师的决策，并检验将此类反馈引入设计过程的更广泛影响。为此，我们设计、实现并评估了一个Figma插件——Figma是目前最受欢迎的UI/UX设计工具之一[40]——该插件利用大语言模型（LLM），充当"数字健康助手"，呈现潜在的ACDPs并提示考虑替代设计，同时将解释和行动权留给设计师。从设计初衷来看，该插件不强制执行决策，而是在工作流程早期外部化规范性关切，为设计师行使判断权和协商取舍创造空间。

**图1.** 我们插件的使用流程。设计师在Figma上工作时可以扫描其UI原型以获取关于注意力捕获设计及其对终端用户潜在风险的反馈（例如无限滚动，A）。扫描后，他们可以提供反馈以优化未来的检测（标记为错误，B）。同时，插件提供替代设计方案建议（例如分页，C），允许设计师在保持类似功能的同时优先考虑终端用户的数字健康（D）。

借助该插件，设计师可以在设计过程的任何阶段扫描其Figma UI模型，获取关于界面中包含的潜在ACDPs及其潜在危害的反馈（图1，A）。为改善LLM的性能，设计师可以对每次检测提供反馈，该反馈将整合到模型中以用于后续扫描（图1，B）。并行地，插件为设计师提供可考虑替代的替代设计方案（图1，C）。通过遵循这些建议，设计师可以选择避免ACDPs同时保持类似功能，从而使界面与用户的数字健康重新对齐（图1，D）。

**图2.** 我们的工作由三个阶段组成。我们首先开发并评估了一种提示技术，用于检测Figma原型中的ACDPs并建议设计替代方案（阶段1）。然后我们将该技术提炼并实现为一个由LLM驱动的Figma插件（阶段2）。最后，我们进行了一项用户研究，与UI/UX设计师评估我们的方法（阶段3）。

图2总结了工作的所有阶段。在阶段1中，我们开发了一种检测提示，使LLM能够检测Figma原型中的ACDPs并建议设计替代方案。我们通过在一个包含10个Figma原型的数据集上评估性能来测试了两种不同的输入模态——UI原型的JSON表示和相应的图像——该数据集通过取自HCI暗模式论文中的示例构建而成。性能最佳的检测提示在使用UI图像时比使用其JSON表示时准确率更高。我们还邀请了四位公认的暗模式专家评估其建议的替代设计的准确性和实用性。专家们认为插件的检测和替代建议总体上是准确且有帮助的。然而，他们强调理解静态设计之外的上下文的重要性，并需要有明确的指示来定位检测在界面中的位置，以准确评估已识别ACDPs的严重程度。此外，他们警告某些替代方案可能会无意中增加注意力捕获，或者由于用户习惯了对抗措施而无法减少认知负担。

基于专家反馈，我们通过开发一种利用图像和JSON表示的多模态提示链，对检测提示进行了改进，使其直接在UI模型中高亮显示检测和替代建议，并将其整合到图1所示的Figma插件中（阶段2）。

最后，在阶段3中，我们进行了一项涉及15位专业UI/UX设计师的形成性实验室研究。重要的是，我们的评估并非旨在验证生产就绪工具的有效性，而是探索我们方法作为早期设计探测的潜力。具体而言，我们使用预构建的UI模型来调查在受控环境中设计师如何解释和参与插件的以健康为导向的反馈。在实验过程中，我们要求参与者在10分钟的自由使用环节中探索插件的功能，并要求他们在一系列指标上评估插件的反馈，包括实施建议的替代设计对可用性的影响。与专家一样，设计师也赞赏检测和替代建议的实用性。然而，他们指出，实施某些建议的替代方案可能会与以参与度为驱动的公司目标产生冲突，这表明插件的主要价值在于引发组织内部关于设计取舍的讨论，而非规定具体的设计变更。

基于我们的工作、阶段和相关发现，我们讨论了设计师在语境化和调解插件建议中的作用，并提倡建立一个新的监管格局，以承认ACDPs造成的危害，通过设计促进数字健康。

综上所述，我们的工作做出了以下贡献：

- 一种多模态提示技术，用于识别UI模型中的ACDPs并获取支持有意识和主动技术使用的替代设计建议。
- 一个集成了LLM和所开发多模态提示技术的Figma插件，帮助设计师在设计用户界面时优先考虑数字健康。
- 通过专家反馈和与UI/UX设计师的形成性研究，对提示技术和所开发插件进行了探索性评估，使用预构建的模型作为设计探测，调查此类反馈在实践中如何被解释和协商。
- 对设计师关于插件与现有设计工作流兼容性的感知以及法律事务如何补充该方法的探索。

## 2 相关工作

本节通过总结关于数字自我控制工具的研究、近期关于为数字健康而设计的呼声，以及利用生成式AI进行设计的尝试，来界定我们的研究背景。

### 2.1 超越注意力经济中的自我控制

关于技术过度使用的研究越来越多地将数字健康这一新的心理学构念——强调创建促进线上有意识和有意义互动的技术的重要性[7, 51]——框定为个体自我调节问题，强调诸如成瘾[36]、强迫性使用[69]和过度参与[68]等构念。在这一复杂格局中，数字自我控制工具（DSCTs）可以帮助终端用户改善数字健康[45, 51, 64]。这些专用的移动应用或浏览器扩展，以商业工具或研究产物的形式提供，为用户提供了一系列干预策略，从自我监控支持和使用时限计时器[45, 51]到创建数字助推[61]，甚至自定义界面布局以减少分散注意力的内容[42]。

尽管DSCTs广泛可用，但它们因依赖外部干预而受到批评[42, 64]，这可能导致高流失率[33]和有限的长期有效性[51]。此外，研究人员批评了将数字健康等同于用户参与度指标和个体自我控制责任的还原论方法，DSCTs在很大程度上基于此[16, 17]。例如，屏幕时间概念被广泛认为是不足以充分理解和为数字健康进行设计的[41]。同时，Docherty和Biega[17]强调，如果不解决"最初导致问题性参与的更深层的心理社会问题"，仅减少参与度可能是不够的，因为数字健康是一个更大的系统性问题的一部分，深深嵌入平台资本主义的运作之中。具有讽刺意味的是，这些研究结果表明，现在通过自我控制举措促进数字健康的同一些科技公司，例如Google[25]，可能是战略性地这样做以防止更强的政治和社会干预，同时从用户身上提取更多数据。

总体而言，这些批评背后的系统性问题根植于注意力经济[12]，这是一个描述数字平台如何竞争和货币化用户注意力的框架。该模型与数字资本主义和监控资本主义[76]深度交织，其中用户数据被提取、分析并出售以维持以利润驱动的生态系统，并导致了所谓的注意力捕获损害模式（ACDPs）[57]的泛滥，即利用用户的心理脆弱性来增加参与度指标（如停留时间和每日访问频率）的暗模式。例如，社交媒体界面上的无限滚动[50, 63]和强迫性刷新页面的能力（即所谓的赌场下拉刷新[57]）创建了一个可变奖励系统，可以将用户困在持续被动消费循环中。类似地，"罪恶快感"推荐[6]和下一个视频的永不停歇的自动播放[43]促成了一种持续的内容消费流，而伪装成常规内容的广告和社交媒体信息流中的推荐可以误导用户点击他们本不会互动的内容[27]。作为暗模式的一个特定类别[28]，ACDPs无论是有意的还是因既定设计实践无意产生的，都可能损害用户。虽然某些ACDPs可能是有意部署以影响用户行为，但其他一些可能源于习惯化、行业规范的模仿或组织压力。我们的工作处于这一话语框架内，承认平台资本主义和注意力经济对现代数字生态系统的普遍影响及其在促进有害设计实践方面的作用。

### 2.2 为（数字）健康而设计

那么在注意力经济中我们应该如何支持数字健康呢？与DSCTs相比，光谱的另一端也许是Baumer和Silberman[3]提出的"非设计"概念，该概念倡导重新思考设计某些应用或功能的必要性，质疑其移除是否可能更好地服务于社会健康。介于这些方法之间，我们的工作侧重于管理负面外部性和减少伤害，这是Docherty和Biega[17]提出的潜在替代策略之一。具体而言，我们旨在支持设计师反思和协商ACDPs的替代方案，使其更好地与数字健康原则对齐，不一定减少用户参与度，而是促进有意识和主动的技术使用。这一视角与近期呼吁将用户的主体感作为数字健康的关键视角相一致，提供了一种更为细致入微的方法，超越了屏幕时间指标的过度简化。

将健康融入技术设计的概念并非新颖想法，多年来它一直是设计师和研究人员讨论的话题。例如，积极设计[13]强调创建能够提升用户生活质量的产品和体验。这种方法旨在培养情感和心理效益，鼓励设计师考虑其工作对个人和社区的更广泛影响。

同样，价值敏感设计[24]侧重于将伦理考量和人类价值观融入设计过程，确保最终成果与用户的需求和期望相一致。近期，研究人员开始呼吁关注设计本质上尊重用户数字福祉的技术，通过保护用户的注意力和时间来维护其数字健康[55, 56, 64]。特别是，Docherty和Biega[17]呼吁"在设计过程的每个阶段明确数字福祉的规范性风险和伦理影响"（第2页）。在此背景下，Peters[59]提出了福祉支持型设计的概念，并制定了强调尊重用户自主权和支持知情且有意义选择的指南。类似地，Monge Roffaerllo等人[54]提出了八条设计启发式原则，以创建在设计层面保护用户注意力的用户界面。通过不同的途径，名为"为有意义交互和数字福祉而设计"的研讨会汇聚了学术界和业界人士，探讨如何创建鼓励用户有意地、有深度地与技术互动的用户界面[56]。然而，据我们所知，此前仅有的一项研究提出了一个功能性工具来帮助设计师优先考虑数字福祉并应对注意力和时间捕获模式[55]。不过，该研究作者引入的Figma插件采用了一种相当简单的方法，这限制了该方法仅适用于特定的设计模板和使用场景。我们的工作在此基础上进行了拓展，研究了UI/UX设计师是否可以以及如何与大语言模型（LLMs）协作，在设计活动的任何阶段获取数字福祉方面的反馈。

总体而言，虽然先前关于数字福祉设计的研究强调了新工具和实践的必要性，但也承认这些干预措施是在更广泛的经济和组织约束下运作的[55]，表明仅靠工具无法解决根植于注意力经济中的矛盾[64]。基于这些证据，我们将我们的工作定位为一种实用工具，使设计师能够在组织内部提出、阐明并协商与用户数字福祉相关的设计决策。该工具并非旨在解决参与驱动型商业模式与用户福祉之间的结构性冲突，而是帮助在设计实践中将这种矛盾显性化并使其可讨论。我们将在第7.2节中重新探讨这一点。

**3 AI辅助设计干预**

2024年，多家商业设计平台开始宣布基于生成式AI和大语言模型的新功能与工具。Diagram[15]——一家近期被Figma[39]收购的初创公司——为Figma开发了一套AI驱动的设计工具，例如根据简单提示创建完全可编辑的UI设计。与此同时，Figma社区的成员已利用Figma的API创建了数百个AI驱动的插件[39]，而Figma本身也近期推出了Figma AI[62]，这是一组AI驱动的功能，包括文本重写、自动图层命名以及根据文本描述创建设计模型。类似地，FigmaJam AI[23]是一个在线协作文档板，整合了生成式AI来协助创建每周团队同步的模板和图表，并总结团队头脑风暴的内容。如今，其他流行的设计平台如Canva（Magic Design[8]）和Microsoft Designer[48]上也存在类似的工具。

与此同时，人机交互领域的研究人员也实验了一系列新颖的工具和技术来支持UI/UX设计师在各个阶段的工作[40]。Lawton等人[37]提出了Reframer，一个使设计师能够与生成式AI实时协作以共同创作绘图的界面。Petridis等人[60]提出的PromptInfuser是一个Figma插件，可通过大语言模型提示为UI模型添加AI功能。还提出了一系列工具来帮助设计师获取AI生成的反馈。Xiang等人[74]开发了SimUser，一个基于大语言模型的工具，通过模拟在特定上下文中用户与移动应用之间的互动，为不同用户群体生成启发式可用性反馈。类似地，Duan等人[18]研究了使用大语言模型进行自动启发式评估的潜力。他们开发了一个Figma插件，利用GPT-4根据预定义的启发式原则（如Nielsen原则）验证Figma原型，并生成改进UI模型可用性的建设性反馈。相反，Kuang等人[34]创建了一个主动对话式助手，旨在通过在使用性测试过程中提供自动建议来帮助设计师。与我们方法最密切相关的是，Kocyigit等人的DeceptiLens系统展示了多模态大语言模型在检测欺骗性设计模式方面的潜力[32]。虽然DeceptiLens侧重于增强自动化检测中的问责制和信任度，但我们的工作通过将类似的检测管道嵌入设计师的工作流程，并以支持数字福祉的可操作设计替代方案加以补充，扩展了这一方向。

总体而言，旨在评估这些设计反馈工具的多种研究一致表明，它们能够成功地在原型阶段协助设计师[18, 34, 74]，设计师愿意接受偶尔不完善的建议以迭代改进其模型[18]。然而，所有这些研究都强调了"人类专业知识的不可替代作用"（Kuang等人[34]，第1页）。基于这一见解，我们的研究并非试图自动化此类判断，而是探索基于大语言模型的系统如何作为在环支持来浮现潜在问题并提高对注意力捕获模式的认识，同时将解释和决策权牢牢掌握在人手中。具体而言，我们采用了一种建设性协商方法，即"机器应当予以反驳，建设性地与人类协商，以考虑他们尚未预见的设计方面，无论是设计的功能、形式还是预期的接收效果"（Vaithilingam等人[70]，第291页）。

**3 检测提示词的开发**

我们工作的第一阶段是确定一种有效方法来检测和处理UI模型中的注意力捕获模式。在近期AI辅助设计研究[18, 40]的基础上，我们利用大语言模型开发了一个检测提示词，能够识别Figma原型中的注意力捕获模式并提出旨在促进有意识技术使用的替代设计方案。由于智能手机已被确认为损害用户能动感和自控感的主要因素[44, 69]，我们将提示技术专门应用于移动用户界面。不过，该方法可以轻松地推广到任何类型的用户界面。

**3.1 大语言模型选择与数据集创建**

作为大语言模型，我们决定使用OpenAI的GPT-4o[58]。我们做出这一选择是基于Duan等人[18]在2024年提供的结果，该结果证明OpenAI GPT模型的第四代在分析UI和描述其设计方面优于其他大语言模型。与[18]中使用的版本相比，GPT-4o是多模态的，意味着它可以处理文本、音频、图像和视频，并且具有更大的上下文窗口。与Duan等人[18]的任务类似，后者要求GPT发现特定设计启发式原则的违反情况，我们选择了一个最先进的注意力捕获模式分类体系[57]，包含11种模式，作为大语言模型的参考。据我们所知，这是唯一一个专门针对用户注意力的暗黑模式分类体系。它涵盖了欺骗性设计，使用各种形式的欺骗来捕获用户注意力（即伪装广告和推荐、注意力罗氏旅馆、时间迷雾和假社交通知），以及诱惑性设计，以短期满足诱惑用户（即无限滚动、老虎机下拉刷新、永不停歇的自动播放、罪孽乐趣推荐、重捕通知、按预约游玩和刷怪）。

图3. 我们UI数据集中包含的三个Figma原型示例。我们根据讨论注意力捕获模式的论文中的示例（如[57]）重新创建了它们。

为了评估大语言模型检测注意力捕获模式的能力并开发有效的检测提示词，我们创建了一个包含10个移动UI模型的数据集，每个模型包含一组注意力捕获模式。在构建过程中，我们在Figma中重新创建了10个从Instagram到TikTok的移动应用屏幕，这些屏幕在讨论注意力捕获模式的人机交互论文中作为示例出现。我们以[57]中的系统性文献综述作为示例的起点，并在Figma社区网站寻找真实世界应用的UI模板。图3展示了数据集中的三个示例。图3(a)中显示的Instagram信息流包含无限滚动[57, 63]、老虎机下拉刷新[53]，以及伪装广告和推荐[10, 57]，后者将赞助页面伪装成普通内容。图3(b)则展示了X平台上重捕通知的一个明确示例[75]，即故意发送以重新捕获用户注意力并使他们开始新使用会话的通知[57]。最后，图3(c)中显示的YouTube视频屏幕使用了永不停歇的自动播放模式[43]，并通过无限滚动在视频下方显示罪孽乐趣推荐[4, 57]。为了促进可重复性，我们在OSF上发布了10个Figma原型的数据集（https://osf.io/smzuv/files/?view_only=54667f6db28547049a9a9a3830c9bdad）。我们强调，该数据集也用于专家评估（第4节）和与UI/UX设计师的实验（第6节），并非旨在捕获真实世界界面的全部复杂性、模糊性和上下文变异性，也不代表当代应用设计空间的完整面貌。与先前评估AI设计反馈系统的研究一致[18]，它作为一个小型的理论支持探测集，用于在受控条件下比较不同的提示词配置，并在专家和设计师之间实现一致的评估。

**3.2 提示词开发与性能研究**

我们为GPT-4o开发了一个检测提示词，用于检测移动UI模型中的注意力捕获模式并提出设计替代方案。我们通过一项性能研究优化了该提示词，其中我们测试了各种配置，利用第3.1节中描述的UI数据集作为真实基准2。

图4展示了提示词的结构及其变体。具体而言，我们测试了两种不同的输入模态来向GPT-4o发送UI模型，利用其多模态能力：

• JSON（图4，A）：我们使用Figma API生成了模型的JSON表示，并使用类似[18]中概述的方法对其进行压缩。具体来说，所使用的JSON格式捕获了UI模型的DOM结构，从而表示其整体布局。然后，每个节点包含语义信息（如标签和元素类型）以及相关UI元素的布局数据（即坐标、高度和宽度）。

• 图像（图4，B）：我们使用Figma API截取模型截图，以单张图像的形式捕获移动应用的设计。

我们还指示GPT以特定的JSON对象形式回答，其中包含一个注意力捕获模式检测数组，每个条目包含对检测到的模式的引用和替代设计列表（图4，C）。

除了测试输入模态外，我们还通过改变温度来评估检测提示词，温度是GPT API中的一个参数，用于控制模型回答的创造性。具体而言，我们用低温度（0，产生更具确定性和可预测性的答案）、中等温度（0.5，在可预测性和创造性之间取得平衡）和高温度（1，产生多样化和创造性的回答）测试了检测提示词。

总体而言，这形成了一项具有2×3配置的性能测试，结合了2种输入模态（JSON、图像）与3种温度设置（0、0.5、1）。与类似研究（如[18]中报告的性能测试）一致，我们关注基础的检测任务——即在本研究中识别UI中的注意力捕获模式——而将设计替代方案的主观评估留给暗黑模式专家（第4节）和设计师（第6节）。表1总结了测试的结果，包括精确率、召回率和F1分数。重要的是，这些性能指标应在评估环境的受控性质下加以解读。由于数据集由源自注意力捕获模式经典示例的UI模型组成，且分类体系本身作为提示词的一部分提供给模型，该任务更接近于识别已知模式的典型实例，而非在真实世界环境中检测上下文依赖的案例。因此，这些结果不应被视为真实世界检测性能的基准，而应被理解为一种在受控条件下对提示词行为的诊断性评估，用于指导后续原型的设计决策。

在数据集中包含的模型受约束语料库内，结果显示，GPT-4o在处理UI图像而非其JSON表示时，在全部三项指标上得分更高。这是相对于Duan等人[18]工作的明显进步，后者由于当时大语言模型的限制，仅测试了GPT-4在识别以JSON形式表示的UI中启发式原则违反情况的能力，并展示了使用大语言模型在分析图像时发现设计问题的潜力。

表1还显示，提高温度通常会降低精确度、召回率和F1分数，尤其是对于IMAGE输入模态而言。我们的目标是探索更高的创造力能否帮助模型识别更多微妙的模式（如诱惑性模式），并生成更广泛的替代设计方案。在某些情况下确实出现了这种优势，尤其是在检测微妙模式时。例如，更高的温度使GPT-4o能够识别YouTube视频UI中"罪恶快感推荐"的使用（图3(c)），而较低温度则导致漏检。然而，对所有温度下的替代设计进行人工检查后发现，在建议的数量和质量上没有显著差异。此外，我们的结果表明，更高的温度也导致了更多的假阳性，并产生了更多样化但一致性较差的选择。尽管仍需在更大、更多样的数据集上进行进一步评估才能建立更广泛的性能声明，但性能测试为我们在检测提示中选择IMAGE输入模态和低温度（0）提供了指导。

**表1. 温度/模态组合的精确度、召回率和F1分数表现。结果为五次等量实验的平均值。**

| 温度/模态 | 精确度 | 召回率 | F1 |
|-----------|--------|--------|----|
| 0/JSON | 0.550 | 0.647 | 0.595 |
| 0.5/JSON | 0.562 | 0.529 | 0.545 |
| 1/JSON | 0.550 | 0.687 | 0.611 |
| 0/IMAGE | 0.867 | 0.765 | 0.812 |
| 0.5/IMAGE | 0.846 | 0.647 | 0.733 |
| 1/IMAGE | 0.833 | 0.588 | 0.690 |

**4 专家评估**

为了在将所开发的检测提示集成到Figma插件之前对其进行测试和优化，我们邀请了四位暗黑模式领域的专家对其输出进行评估，重点关注检测准确性和所识别ACDPs的感知严重程度。

**4.1 方法**

**4.1.1 参与者**

我们通过"Dark Patterns Research and Impact" Slack工作区招募了四位公认的暗黑模式专家。表2总结了参与专家的3人口统计信息，包括他们的性别、年龄、职业、从事暗黑模式相关工作的年限以及主要专长领域。总体而言，我们涵盖了与暗黑模式相关的多个专业领域，包括特定国家（Katie）和应用（Thomas）中的操纵行为、暗黑模式对脆弱人群的影响（Lorena）以及法律框架（Kosha）。

**表2. 评估插件ACDPs检测及替代设计建议的暗黑模式专家信息。**

| 专家 | 性别 | 年龄 | 职业 | 经验 | 专长领域 |
|------|------|------|------|------|----------|
| Katie Seaborn | 性别疏离女性 | 39 | 副教授 | 3-5年 | 日本应用中的暗黑模式 |
| Lorena Sánchez Chamorro | 女性 | 30 | 博士研究生 | 3-5年 | 暗黑模式与脆弱人群 |
| Thomas Mildner | 男性 | 31 | 博士后研究员 | 3-5年 | 社交媒体中的暗黑模式 |
| Kosha Doshi | 女性 | 22 | 学生 | 1-2年 | 伦理设计实践，deceptive.design.org团队成员 |

**4.1.2 流程与度量**

为了给参与者留出充足时间完成评估，我们允许他们通过在线问卷?异步进行评估。我们预先计算了检测提示的输出，即ACDPs的检测和替代设计建议，使用了第3.1节中描述的UI数据集。该计算得出的结果与性能测试相同（精确度为0.867，召回率为0.765），除了在文本描述上存在细微差异外，在数据集的10个UI中识别了15个ACDPs，并为每个UI生成了两个替代设计建议。由于时间限制，我们将10个UI分为两组，确保每位专家在预计90分钟内审阅插件对5个UI的输出。在分组时，我们确保了ACDPs和建议在复杂度及多样性方面在两组间均衡分布，以最小化潜在的评估偏差。具体来说，两组包含的检测数量相近（分别为7和8），并且都包含了一些常见的ACDPs检测，如无限滚动和无限自动播放。每组还包含其他模式，共同覆盖了[57]中定义的全部十一个ACDPs。每个UI都以截图形式呈现，并附带该UI检测提示的输出，包括ACDPs检测列表以及每个检测的替代设计建议，保持原始文本格式。对于每个检测，我们特别请专家评估：

- **检测的准确性**——定义为检测到的ACDP是否符合专家的预期，采用李克特量表从1（完全不准确）到5（非常准确）。
- **所检测模式的严重程度**——采用李克特量表从1（对终端用户完全无危险）到5（对终端用户非常危险）。
- **LLM建议的两个替代设计（A1和A2）的实用性**——采用李克特量表从1（完全不实用）到5（非常实用）。

此外，鼓励专家在希望提供额外说明时解释其评分。总体而言，这些指标是评估UI中设计问题和评估LLM生成建议质量的成熟标准[18]。

**4.1.3 数据分析**

我们收集了专家对准确性、严重程度和实用性的所有评分。对于每个指标，我们计算了每个评分的总响应数、中位数和四分位距（IQR）。我们以专家提供的可选解释来支持定量结果。

**4.2 结果**

图5展示了专家对检测准确性、模式严重程度和两个建议的替代设计实用性每个评分等级的响应数量。总体而言，调查包含15个检测，分为两组，每组由两位参与者评估，因此每个指标产生30个响应。

**图5. 专家对检测准确性、模式严重程度和两个替代设计建议实用性各评分等级的总响应数。**

**4.2.1 检测准确性**

大多数检测（70%）被评为准确（8次）或非常准确（13次），中位评分为4（IQR = 2）。两位专家识别出插件未捕获的模式，其中Thomas建议了5个额外模式，Katie建议了10个。部分额外模式与我们在基准数据集中标记的模式一致，之前在我们的性能测试中被视为漏检。其他模式虽然无法直接在UI中观察到，但结合底层平台及其功能来考虑仍然合理。在这方面，专家强调了静态截图在准确检测动态模式方面的局限性，指出需要上下文元素和平台特定知识。例如，Thomas在评估X时间线上的无限滚动时指出，仅有截图并不一定能够检测到该模式，因为任何潜在的摩擦或干预措施都不会显示出来。这与近期将某些暗黑模式检测问题框定为与用户体验的时间性相关的工作相符[29]。在这些情况下，专家通常依赖于对平台的先前熟悉来解读截图，这也引入了潜在的模糊性和不确定性：

"我不确定我们能否从截图中得出这个结论，但只要我知道BeReal没有无限内容，因为它只给你你所在网络的内容……"（Lorena，BeReal上的无限滚动）

此外，专家对一些检测进行了批判性评估，在证据不明确或模糊时常常做出假设或表达不确定性：

"这只是游戏化……我感觉不到任何紧迫感或需要为特定目标'grinding'的要求"（Katie，个人徽章的grinding）

**4.2.2 所检测ACDPs的严重程度**

就所检测ACDPs的感知严重程度而言，图5显示专家的评分在各等级间分布较为均匀（中位数 = 3，IQR = 1.75）。

专家指出严重程度具有高度的上下文依赖性，影响因内容类型、平台和用户情境而异：

"在某些情况下，取决于应用程序，grinding带来的奖励可能会让用户产生执行这些行为的需要。然而，这种ACDP的严重程度是上下文相关的，主要取决于奖励本身"（Lorena，个人徽章的grinding）

专家强调了大多数检测到的模式可能对用户造成心理和注意力伤害的潜在风险，特别是当这些模式被设计为微妙地操纵或欺骗用户时。然而，在评估严重程度时也存在模糊性和不确定性，一些参与者表示在没有更多上下文的情况下难以判断危害程度。例如Katie所言：

"这取决于广告……是的，你可以欺骗人们，但目的是什么？人们点击后是否意识到——这才是真正需要欺骗检测的地方"（Katie，Instagram信息流中的伪装广告和推荐）

此外，专家认识到ACDPs通常作为进一步伤害的催化剂，特别是当与其他操纵模式结合时，会对用户造成更严重的负面结果。例如在评估X上的重新捕获通知时，Lorena指出该模式可能成为其他ACDPs或交互的入口，从而导致更多注意力和心理伤害。

**4.2.3 设计替代方案的实用性**

与准确性结果一致，替代设计建议平均而言比不实用更有帮助，两项建议的中位评分为4（IQR = 1）。如图5所示，第一个建议（A1）被评为实用12次，非常实用4次（占总响应的54%），而第二个建议（A2）获得了13次实用和5次非常实用的评分（占总响应的60%）。

专家们普遍赞赏对清晰沟通和透明度的强调，例如作为无限滚动替代方案的"您已全部看完"提示消息（Thomas），或将广告进行正确标注而非在UI中伪装（Lorena、Katie和Kosha）。然而，他们也指出了潜在缺点，指出某些替代方案可能会无意中增加注意力捕获，或者由于用户对反制措施的适应而无法减轻认知负担。例如Lorena指出，"加载更多"按钮等微小摩擦可能会起到下拉刷新的作用，并不能减少危害，而Katie强调内容摘要可能会增加而非减少注意力捕获。然而，Lorena指出以摩擦形式的设计替代方案可能具有长期影响：

"习惯化可能仍然对机制起作用……所以我不确定这是否能完全阻止用户尝试刷新。短期内可能会令人沮丧，但长期来看可能有效"（Lorena，内容批量加载——分批加载新内容并在用户到达新内容末尾时通知用户）

总体而言，专家认为为用户提供控制权和自定义选项至关重要，但他们也强调，如果这些设计变更没有得到深思熟虑的整合，其影响可能会有限。

**5 优化与实施**

在我们工作的第二阶段，我们利用专家评估中收集的反馈对检测提示进行了优化（第5.1节）。然后，我们将优化后的提示技术集成到Figma插件中，Figma是UI原型设计中最为流行的工具之一[40]（第5.2节）。

**5.1 多模态提示链**

基于专家评估，我们沿两个方向修改了检测提示：(i) 结合设计师的反馈以启用更精细的建议，(ii) 使提示能够直接在UI中高亮显示检测到的ACDPs。对于第一项优化，我们探索了在重新启动提示时排除特定ACDPs检测的可能性，例如被设计师标记为不正确的检测（图6，B）。对于第二项，我们添加了明确的指令，将检测与特定的UI元素关联起来（图6，A），通过提示GPT从模型图像中近似这些元素的布局数据（x、y、宽度和高度）。

**图6. 检测提示的最终结构，在专家评估后进行了优化，以纳入设计师的反馈并获得ACDPs检测在分析UI中的近似位置。与初始检测提示（图4）的差异以红色突出显示。**

不幸的是，我们发现仅凭截图，对产生ACDPs的视觉元素的近似是不可靠的。为了解决这个问题，我们设计了一个多模态提示链，其中修改后的检测提示的输出被传递到本地化提示中。具体来说，该提示接收两个输入：a) 通过Figma API提取的UI模型的JSON表示，以及 b) 检测提示返回的JSON对象，该对象现在包含了产生每个检测到的ACDPs的Figma元素的近似视觉布局（x、y、宽度和高度）。基于此输入，指示GPT-4o在UI的JSON表示中找到与每个检测的近似视觉布局数据最佳重叠的元素，并返回检索到的元素的Figma ID。?

**5.2 插件实施**

基于先前关于数字福祉设计和设计师与LLM合作的研究，我们将多模态提示链集成到Figma插件中，以协助UI/UX设计师在设计的各个阶段进行活动。?

这种集成使得针对注意力损害型设计模式（ACDPs）的反馈能够嵌入设计工作流中，同时克服了依赖特定设计模板或定义狭窄用例的解决方案的局限性 [55]。先前的研究表明，识别暗黑模式往往受益于明确的视觉和概念支架，因为此类模式在主流设计惯例中已被正常化，若无专门线索，往往难以一眼识别 [14, 49]。提供这种形式的集成支持可以促进设计师的反思性思维 [1]，并支持对 ACDPs 的识别。此外，它使设计师能够提供反馈、完善建议，并就他们可能未曾预料到的设计方面进行协商，从而实行设计师与大语言模型（LLM）协作的建设性协商方式 [70]。

我们使用 TypeScript、Figma 插件 API 和 Open AI API 实现了该插件。Figma 是最流行的 UI 原型工具之一 [40]，并且已经被用作探索采用由 LLM 驱动的反馈系统的测试案例（例如，[18, 55]）。

图 7. 我们 Figma 插件的最终架构，包括由检测提示和定位提示组成的多模态提示链。

图 7 总结了我们的 Figma 插件的最终架构。设计师在 Figma 中制作 UI 原型（源设计）。当设计师扫描界面时，插件捕获截图（1）并为 UI 生成 JSON 表示（2）。使用截图和 ACDPs 分类法 [57]，创建检测提示（3）以指示 LLM 识别 ACDPs、保护用户时间和注意力的替代设计，以及近似布局数据（4）。布局数据和 JSON 表示用于定位提示（4）中，以识别代表检测到的 ACDPs 的 Figma 元素，然后在 Figma 中用边界框突出显示（5）。同时，来自检测提示的文本信息显示在 UI 原型旁边的右侧面板中（6）。设计师可以关闭错误的建议，这些建议将被整合到未来的 LLM 提示中，用于后续扫描（7）。

5.2.1 系统流程 walkthrough。

如图 8 所示，设计师可以像往常一样在 Figma 中工作。在任何时候，他们都可以选择一个或多个顶级框架并按下“扫描”以将其发送给 LLM 进行评估。模型评估接收到的 UI，当检测到 ACDPs 时，它直接在相应的 Figma 框架中通过边界框突出显示它们。例如，图 9 (i) 显示了一个智能手机锁屏的原型，其中发现了两个不同的 ACDPs：使用召回通知（Recapture Notifications）和按约使用模式（Playing by Appointment），后者迫使用户在特定且预定义的时间使用数字服务 [57]。每次检测都伴随有模式名称及其特征和对最终用户潜在危害的文本解释，这些是从 LLM 渲染回 Figma 的。当设计师将光标悬停在模式的名称或描述上时，框架中对应的边界框会被突出显示。例如，在图 9 (ii) 中，插件告诉设计师“通知‘该发帖了’迫使用户在特定时间范围内发布内容 [...]。这会产生一种紧迫感 [...] 导致压力增加和自主权降低。”

图 8. 我们的 Figma 插件允许设计师选择一个或多个顶级框架并按下“扫描”以将其发送给评估。

图 9. 两张展示扫描后接收到的插件反馈的截图。这些包括：在 UI 中突出显示检测到的 ACDPs 的边界框（i）；检测到的 ACDPs 及其对最终用户危害的文本描述（ii）；以及替代设计的建议（iii）。设计师可以随时点击“标记为不正确”以优化后续扫描（iv）。

如果设计师发现错误的检测，他们可以点击“标记为不正确”按钮将其隐藏并向 LLM 发送反馈用于后续扫描，以确保此模式不会再显示（图 9 (iii)）。相反，如果认为对给定 ACDP 的检测有帮助，设计师可以从插件的建议中汲取灵感，协商可能保留最终用户时间和注意力的替代设计。每个替代方案均由 LLM 生成，以维持原始模式的功能，同时更好地符合最终用户的数字福祉，并以名称和描述的形式提供给 Figma 中的设计师。例如，图 9 (iv) 显示了对检测到的按约使用模式的两个建议替代方案，即“灵活提醒”和“基于成就的鼓励”。特别是第一个替代方案，建议设计师：“与其使用时间限制的通知，不如发送鼓励用户按自己节奏参与的提醒。例如，‘有空时记得发帖！’这减少了压力，并允许用户按自己的条件与应用程序互动。”

6 与 UI/UX 设计师的用户研究

我们与 15 位专业 UI/UX 设计师进行了一项形成性用户研究，以探索我们的方法作为早期阶段设计探针的潜力。在这项研究中，我们进一步评估了精细化提示技术输出的准确性和有用性，这次是从设计师的角度出发，使用预构建的 UI 原型来调查在受控环境中设计师如何解读和参与插件的面向福祉的反馈。此外，我们探索了该插件提高设计师对 ACDPs 意识的潜力及其与现有工作实践的主观契合度。

6.1 方法

6.1.1 参与者。

参与者通过各种在线渠道从专业 UI/UX 设计师群体中招募，包括邮件列表、Slack 和 Discord 社区以及社交媒体。参与者符合研究资格的条件是已经使用 Figma 一年以上。表 3 提供了 15 位参与者的 demographic 概览，包括他们的性别、年龄、职业、作为设计师的年限以及使用 Figma 的年限。

表 3.
参与者的 ID、性别、年龄、职业、设计经验年限、Figma 使用经验年限。
P1 男 51 资深设计师和信息架构师 20 年 5 年
P2 女 27 博士生和自由职业 UX 设计师 7 年 5 年
P3 男 26 UX 设计师和电影制作人 5 年 7 年
P4 女 20 工业和 UX/UI 设计师 3 年 2 年
P5 男 29 博士生和自由职业 UX 设计师 10 年 4 年
P6 男 29 产品和 UX/UI 设计师 6 年 6 年
P7 男 27 UX 设计师 2 年 2 年
P8 男 27 数字设计师 8 年 4 年
P9 女 24 UX/UI 设计顾问 6 年 3 年
P10 男 40 UX 设计师 4 年 4 年
P11 男 37 UX 设计师 7 年 3 年
P12 男 33 自由职业 UX 设计师 6 年 6 年
P13 男 27 产品和 UX/UI 设计师 4 年 4 年
P14 女 49 UX 设计师 20 年 2 年
P15 女 42 UX/UI 设计师 3 年 2 年
在用户研究中评估插件的 15 位专业 UX/UI 设计师的人口统计数据。

我们的最终样本由 15 位参与者组成（10 人自我认同为男性，5 人为女性），平均年龄为 32.53 岁（SD = 8.94），代表了多样化的职业和设计经验年限。大多数参与者（12 人）是位于意大利的意大利设计师，一人是意大利人但在荷兰工作，其余两人来自韩国并在那里工作。

6.1.2 流程和测量。

我们通过 Zoom 通话进行这项研究。开始时，向参与者介绍了这项研究。他们被告知研究旨在探索人工智能驱动的设计工具如何提高与用户时间和注意力相关的设计决策的意识。我们在高层次上介绍了 ACDPs 的概念，而没有提供详尽的分类法，并强调该工具应被视为设计辅助而非权威的评估者。在线提供知情同意后，研究人员指导参与者在他们自己的 Figma 应用程序上安装插件并共享他们的屏幕。为了确保所有参与者之间的一致性和公平性，我们使用第 3.1 节中描述的数据集作为研究的基础。这种方法与设计社区中的先前研究相符 [18, 60]，并出于两个主要原因选择。首先，在实验室研究的短时间内，不受约束地自由设计 UI 是不可行的。其次，使用预构建的原型消除了潜在的混淆因素，确保所有参与者从相同的基线开始，从而允许我们更系统地评估插件的影响。因此，我们的目标不是测量工具对最终设计结果的影响，而是检查当面向福祉的反馈被引入熟悉的设计工件时，设计师如何解读、协商和反应。我们在第 7.4 节中回顾了这种基于实验室的设置及其对生态效度的局限性。

研究结构分为两个主要阶段：

自由使用环节。对于每位参与者，插件首先显示第 3.1 节中描述的数据集包含的一个 UI。在此阶段，我们要求参与者借助插件自由修改原型，允许他们在不受限制的使用环节体验我们的工具并发现其功能。该环节持续 10 分钟，研究人员在时间结束时打断参与者。

评估环节。在自由使用环节后，插件显示了第 3.1 节中描述的 UI 数据集中的另外三个原型。在此阶段，我们要求参与者扫描这三个 UI 并对插件的输出提供反馈。

收集的措施包括一些此前由专家评估的指标——这次是从设计师的角度进行评估——以及专门针对 UI/UX 设计师的需求和工作流量身定制的指标。特别是在评估环节的每次扫描后，设计师被要求评估插件反馈的感知有用性，这与专家评估不同，现在使用边界框在 UI 中进行了上下文关联。具体而言，设计师评估了：
• 每次 ACDP 检测的有用性，使用李克特量表从 1（完全不有用）到 5（非常有用的）。
• 建议的替代设计的有用性，使用李克特量表从 1（完全不有用）到 5（非常有用的）。

此外，我们还要求他们评估实施替代设计对可用性相对于原始模式的感知影响，介于“降低可用性”、“对可用性没有影响”和“提高可用性”之间。通过这个问题，我们旨在评估重新设计 ACDPs 的实际含义以及在实际场景中应用该方法的感知可行性，因为可用性的大幅降低在设计实践中是不可接受的。

我们通过半结构化访谈结束了研究，重点讨论整体印象、潜在缺陷和危险、迭代使用的潜力以及与现有设计工作流的感知契合度。为了便于后续分析，在获得参与者明确同意后，录制了所有研究会话。每个会话平均持续 49 分钟（SD = 11 分钟）。

6.1.3 数据分析。

与专家评估一样，我们收集了所有参与者的有用性和可用性影响评分，计算了每个评分的总响应数、中位数和四分位距（IQR）。此外，我们审查了所有录音以整合研究期间所做的笔记，逐字转录访谈，并对转录本进行了主题分析 [5]。

6.2 结果

在本节中，我们首先概述了自由使用环节，随后提供了来自评估环节的定量结果和主题分析发现。

6.2.1 自由使用环节概述。

在自由使用环节期间，参与者对插件提供的反馈表现出兴趣。绝大多数参与者（15 人中有 13 人）尝试根据插件建议的至少一种替代解决方案修改其分配的 UI。此外，三名参与者（P8、P9 和 P11）借助插件的建议参与并探索了所有检测到的 ACDPs 的替代方案。

关于首选的设计替代方案，我们观察到设计师的偏好因他们面对的具体 ACDPs 而异。尽管如此，参与者对插件和收到的反馈感到好奇，表现出愿意尝试他们通常实践之外的设计模式。

两名参与者（P2 和 P4）尝试用插件建议的替代方案（如“加载更多按钮”或“内容批处理”）替换无限滚动。这些解决方案建议在显示一定量内容后引入一个按钮，允许用户明确请求继续查看内容。在反思无限滚动时，另一名参与者（P6）选择了“内容预览”解决方案，该解决方案建议在信息流中仅显示内容的预览，迫使用户选择要查看的项目。第四名收到无限滚动警告的参与者（P15）忽略了该检测，因为在他们看来，用户现在已经太习惯使用这种交互机制来导航屏幕了。

在检查其他检测到的模式时，三名参与者（P2、P7 和 P12）尝试实施一项建议，即在信息流（伪装广告和推荐）或消息（虚假社交通知）中明确标记商业广告。

与此同时，另外三名被通知存在“注意力蟑螂旅馆”模式（P3、P5 和 P9）的参与者试图通过将注销按钮与设置屏幕上的其他按钮隔离开来，并使用更显眼的字体颜色，使其更加突出。在评估“反复操作”模式检测时，两名参与者（P8 和 P14）决定将其替换为“有意义的里程碑”，这意味着向用户提供有意义、非重复的目标。例如，P8 引入了诸如“确认认识你的朋友”、“认为你的帖子有用的用户”以及“未超限次数”等目标（图 10）。相反，P10 遵循了“渐进式里程碑”的建议，该建议推荐设定小而容易达成的目标，并逐步增加难度。最后，三名参与者中有两名（P11 和 P13）用“定时摘要通知”替换了“重新捕获通知”模式，这建议将多个通知分组一次性发送，以最小化干扰。

图 10.一名设计师在自由使用环节用有意义且非重复的目标替换了反复操作模式。

6.2.2 评估环节的量化结果。图 11 显示了参与者对检测有用性、两种建议替代设计有用性以及替代方案对可用性感知影响的反馈数量。设计师们发现这些检测总体上有助于反思注意力暗模式（ACDPs）。大多数受评估的检测（54%）被评为非常有帮助，中位评分为 5（四分位距=2）。与专家评估的结果一致，设计师们平均发现替代设计的建议比无帮助更有帮助，两项建议的中位评分为 4（四分位距=2）。如图 11 所示，第一个建议（A1）被评为有帮助 22 次，非常有帮助 27 次（占反馈的 66%），而第二个建议（A2）获得了 17 次有帮助和 32 次非常有帮助的评分（占反馈的 66%）。有趣的是，设计师们对替代设计对可用性的影响持积极评估。与原始模式相比，A1 和 A2 分别有 45 次（占反馈的 60%）和 44 次（占反馈的 59%）被评为改善可用性。虽然大多数设计师对替代方案的评价积极，但也存在（A1: 15 次，A2: 11 次）设计师认为替代方案可能会降低可用性的情况。这表明需要更有说服力的激励措施来促使设计师采纳插件的建议。

图 11.参与者对检测有用性、两种提议的替代设计有用性以及两种提议的替代设计对可用性影响的反馈总数。

6.2.3 主题分析发现。我们的主题分析揭示了六个主要主题，从工作流程改进和 ACDP 教育到目标转移：社区和监管机构。

工作流程改进和 ACDP 教育。该插件被认为有可能提高设计师的工作流程效率并提供教育益处（N = 14: P1, P2, P3, P4, P5, P6, P7, P8, P9, P11, P12, P13, P14, P15）。一些参与者（P3、P7、P11 和 P12）强调了插件可能带来的额外益处，例如，以最少的时间投入提高所设计应用程序的可用性和无障碍性。特别是，设计替代建议被与 Figma 工具（如 Contrast [72]）进行比较，后者可以识别不佳的颜色对比度并建议更有效的替代方案。P6 还强调了插件中 AI 使用的益处，指出它提供了有价值且符合语境的反馈，而不是提供明确的答案，而是协助设计师进行分析、头脑风暴以及公司内部讨论：“这是大语言模型（LLM）的一个绝佳用途，因为它不旨在给你一个完美的、精确的、决定性的答案，而是帮助你分析和头脑风暴。”

关于插件的教育效用，P8 建议其在设计课程中的潜在用途，以帮助学生识别 UI 中的暗模式：“也许教授可以在 UX/UI 课程中向学生解释这些 ACDP，告诉他们要注意，我的意思是，我们必须小心，这是一个对我们有利的工具。”P1 和 P3 考虑了初级设计师使用插件可能带来的好处。他们建议，插件可以支持这些设计师学习识别和避免 ACDP，直到他们能够独立做到这一点。几名参与者指出，该插件有效地解决了设计师无意使用 ACDP 的问题，设计师们经常试图复制现有平台中包含的 UI 和模式。正如 P8 所指出的：“你主要是出于习惯放置有害模式，而最糟糕的是那些潜藏在设计师潜意识里的模式，所以仅仅这个插件让我注意到这一点就很好，但它还给了我一个替代方案，它更多地推动我设计一个更健康的应用程序。”

其他参与者，如 P4，阐述了类似的观点，观察到即使在学习暗模式时，理论概念与其在每日项目中的应用之间的差距通常也使得有效实施这些概念变得具有挑战性：“我读过一些关于暗模式的文献 [...] 但这仍然离我们日常生活和设计工作有点距离。”在这方面，该插件的优势在于提供与设计师当前工作相关的信息，无论是检测问题还是建议替代设计方案，正如 P5 所指出的：“一方面，它以非常实用的方式赋予你你所不知道的知识，直接与你正在做的工作相关 [...] 另一方面，它也提供了如何快速干预的实用建议。”

增强并鼓励迭代使用插件。参与者识别出的一个关键优势是插件迭代使用的潜力（N = 11: P1, P2, P3, P4, P5, P6, P8, P9, P10, P11 和 P14）。这种方法使设计师能够确保一组画板在整个设计阶段都不包含不需要的 ACDP，正如 P2 所指出的：“既然它被用来评估初始版本，我们可以继续使用插件来评估后续版本，直到屏幕最终定稿。之后，只有在屏幕经历重大重新设计时才需要它。”然而，参与者建议增强此功能，使设计师能够比较之前的和当前的设计，并接收有针对性的反馈，以鼓励改进关键屏幕。P9 说明了这一概念：“也许当你再次扫描时，你可以将原始版本与重新设计的版本进行比较。这样，你就可以看到你消除了多少暗模式，并可能激励其他设计师重新设计他们的屏幕。”

参与者强调了保留之前扫描记忆的重要性，以避免设计师解决了一个 ACDP，但插件继续检测到它的令人沮丧的情况。在这种情况下，工具应承认设计师的努力，并提供针对设计师最初尝试量身定制的建议。为了促进迭代过程，参与者还建议提供实时反馈。P3 设想这一功能，指出它将与当前 AI 驱动伴随工具的趋势相符。此外，P4 表示，实时反馈可以简化迭代，因为当前的重新加载操作可能有点繁琐：“我觉得操作有点繁琐，因为我每次都需要重新加载它 [...] 是的，实时会更好。”

提醒用户注意 AI 错误和风险。一些担忧被提出，涉及插件对 AI 的依赖，特别是缺乏关于 LLM 可能犯错的明确警告（N = 7: P1, P5, P6, P8, P10, P11, P13）。P5 强调了告知用户 LLM 缺乏设计师在项目工作中所拥有的完整上下文知识的重要性，因此不应盲目信任：“也许有点像 Chat-GPT 那样，放一个免责声明，始终记得将事物置于你正在做的项目的上下文中，不要将一切都视为绝对真理。”这也是专家们强调的问题，指出 ACDP 的严重性高度依赖于上下文。因此，与专家一样，设计师偶尔会对看似错误的检测感到困惑，并表达了当插件对检测的确定性水平不足时，需要插件更有效地沟通的需求。例如，P5 建议插件应表明其建议的置信度：“我认为危险的一点是，不提供任何方法让用户了解插件对其所说内容的确定程度。”P1 则注意到插件过于肯定的语气，认为这可能导致一些设计师失去批判性视角：“[该插件] 也非常肯定，所以它不对事情提出质疑。人们可能盲目信任上面写的内容，而不使用他们的批判性意识来解释建议。”正如 P8 所指出的，这种肯定的语气可能会导致设计师在检测到 ACDP 时感到被指责。

激发公司内部关于 ACDP 的讨论。参与者承认，ACDP 通常是为了特定的业务原因而实施的，有数据支持将其使用与公司旨在维持或改进的绩效指标联系起来。在这种情况下，设计师对保护用户福祉的担忧可能会被公司管理层忽视，参与者强调了在公司层面促进关于 ACDP 讨论的重要性（N = 9: P4, P6, P7, P8, P9, P10, P11, P12 和 P13）。P10 阐述了这一冲突：“显然，作为一名 UX 设计师，你总是希望避免它们 [ACDP]，然而，然后管理层有人会带着 KPI 来要求结果 [...] 所以这肯定很有趣，但我在想谁有奢侈可以说不让我们减少产出。”尽管如此，一些参与者认为，即使受到管理层约束，设计师也可以将该插件作为工具，在公司层面引发讨论，例如提出满足业务需求同时保护用户福祉的平衡方案。P9 特别强调，能够理解潜在危害对于优先考虑用户福祉并希望在公司内部引入这一担忧的设计师来说至关重要。同样，P4 讨论了妥协的重要性，建议对插件进行改进以增强其在工作环境中的有效性和影响力：“如果你能给我一个评级系统来告诉我它有多欺骗性，这样我就可以在商业需求和可用性设计之间做出权衡。”更普遍地说，该插件被发现作为公司内部讨论的催化剂是有用的，这表明了促进跨部门对话并促进对其所解决问题的更深层次参与的可能性。

目标转移：社区和监管机构。受到为数字福祉与商业之间设计带来的担忧和紧张关系的驱动，一些参与者设想焦点转移，包括设计社区和监管机构（N = 3: P6, P11 和 P13）。P6 指出，更有经验的设计师可能不需要这样的工具，因为他们可以独立识别问题。P1 提出将焦点从个人项目转移到更广泛的设计社区。设计师将在社区平台内分享他们的项目和检测结果，促进与全球同事的讨论。这个社区可以使插件甚至对高级设计师也具有吸引力，因为他们可以协助初级设计师和学生解答问题，了解当前的设计趋势和问题，并参与更广泛的讨论：“社区方面可能会很有趣。我们可以讨论其他人或我产生的东西。这样，我们可以成为彼此的支持者，并为对话平台做出贡献”（P1）。P13 设想了一个欺骗性设计模式受法律监管和限制的情景。在这种情况下，插件可以帮助监管机构识别数字服务中的问题。这一过程也可能发生在内部，因为公司可以成立一个专门确保遵守法规的法律部门：“想象一下一个法律部门，甚至在公司内部，分析设计师和业务团队创建的屏幕。如果他们发现不合规的暗模式，他们可以警告团队避免它”（P13）。

7 讨论

本节通过讨论 Figma 插件的设计考虑因素、插件融入设计工作流程的潜力、设计师在情境化和调解其建议方面的作用，以及通过设计促进数字福祉的新监管倡议需求，重新审视我们的发现。

7.1 Figma 插件的设计考虑因素

在我们的工作中，我们选择开发和评估一个由 LLM 驱动的工具，以提供一个切实的概念证明，使我们能够从设计师和专家那里收集关于其现实适用性的可操作反馈。

具体来说，我们选择使用通用大语言模型（LLM）进行ACDP检测，而非采用专用分类器，这反映了本工作作为探索性、设计导向型系统而非高性能检测管道的目标定位。先前的研究表明，专用分类器能够在大规模真实世界界面数据集上实现强大性能[9, 47]，包括精确的定位和时间模式检测等能力。相比之下，我们的方法利用LLM支持更广泛的交互设计空间：除分类之外，模型还能生成解释、建议替代设计方案，并与设计师进行建设性的在环对话。未来的工作可以探索混合方法，将专用分类器与LLM相结合，将稳健的检测能力与生成式反馈以及对设计师的交互支持整合在一起。总体而言，我们的方法旨在将技术创新与其影响探索相结合，架起实用价值与概念讨论之间的桥梁。与静态设计指南或检查清单等替代方法不同，我们的插件动态地在具体界面中展示ACDP，并主动提供设计替代方案。参与本研究的设计师（第6节）强调了这种方法的优势，但也提出了宝贵的设计见解，有助于增强工具并能为未来关于AI驱动设计支持系统的研究提供借鉴。一个有前景的改进方向是集成实时功能，使LLM在设计师工作时持续评估UI是否符合ACDP标准。类似的方法已在其他领域得到探索，例如Lawton等人[38]引入了一个界面，使设计师能够与生成式AI实时协作来创建草图。另一个有价值的补充是添加记忆功能，以保留之前扫描的信息。已有研究强调了AI驱动设计工具根据先前版本了解当前项目状态的重要性，例如Vaithilingam等人[70]的研究。整合这样的记忆功能将允许LLM在解决ACDP时引用设计师早期的工作，减少重复检测，提供个性化支持，并缓解挫败感。在研究过程中，设计师们还对插件过于断然的语气及其对LLM依赖的不透明度表示担忧。这种张力表明反馈应足够坚定以打断习惯性做法，但又足够谨慎以保留设计师的自主权。Li等人[40]此前关于UX从业者对生成式AI看法的研究强调了将所有权归因于AI生成输出的重要性。在此背景下，插件明确传达ACDP检测和替代设计建议为AI生成的将是有益的，例如通过显示置信水平，同时注明ACDP定义来源于学术资料。此外，插件应清楚说明其局限性，如无法同时比较多个已分析屏幕以及缺乏上下文理解。这些局限性与Duan等人[18]关于LLM生成启发式评估的研究发现一致。设计师们还建议插件可通过社区板块支持协作，使他们能够与全球同事分享项目和ACDP检测结果。此功能将使设计师能够就ACDP检测和替代建议寻求"第二人类意见"，参与他人的项目，并了解他们需要注意的注意力捕获设计的新兴趋势。虽然与更广泛社区分享进行中的项目这一概念并不新颖，但已被证明是有效的。例如，Kim等人[31]开发了一个在线平台供插画师分享作品快照，表明此类环境可帮助创作者反思创作过程。他们的发现表明，类似方法可应用于包括设计在内的各个创意领域。**7.2 设计师的角色与融入现有工作流程**我们的研究结果揭示了将此类工具集成到设计工作流程中的更广泛影响。我们与有害设计专家和设计师的评估表明，像我们这样的插件在设计全过程乃至之后都可能有裨益，从最初构思到插件输出用作教育资源的场景，例如供初级设计师使用。有趣的是，专家和设计师均观察到，给定UI中ACDP的发生频率和严重程度是上下文相关的，取决于平台类型、目标人群和其他屏幕等因素。我们假设在现实场景中，设计师——作为被分析UI的创造者——将拥有必要的上下文知识。事实上，我们的发现表明，该插件可能支持设计师在ACDP方面行使知情判断，而无需专家级别的审查。因此，我们认为设计师是插件检测和建议的中介者，最终决定在项目移交至公司内部其他部门之前，是否以及如何将其纳入工作中。这种框架将设计师定位为在组织环境中解释、转译和协商价值观的道德主体，与先前关于设计实践中道德中介的研究[26]一致。相应地，我们设想该插件是一个在环内运行的数字健康助理，提高对ACDP的认识并支持设计师及其所在组织对ACDP的检测和讨论，而非强制执行特定设计选择。这种方法与Peters关于支持福祉设计的研究相呼应，该研究强调支持用户福祉需要设计团队内部的对话和共识[59]。与此同时，通过设计促进数字健康仍然受到组织结构上商业指标与用户福祉之间张力的制约。与对注意力经济的批判一致，我们将ACDP视为该商业模式的结构性产物，而非孤立的设计缺陷。我们研究中的设计师意识到当前的参与度指标嵌入了关于成功的规范性假设，通常没有足够的空间去质疑潜在的有害实践，而无需机构支持。虽然我们的插件提出了可能缓解ACDP危害的替代设计选择，但其采用取决于公司如何协调这些替代方案与往往将注意力相关危害视为常规设计决策一部分的参与度驱动型KPI。在此背景下，几名参与者将插件描述为一种"边界对象"，使设计师能够在组织内部浮现、阐述和协商与用户数字福祉相关的设计决策。通过使ACDP显性化、命名其关联危害并提出功能等效的替代方案，插件为设计师在与产品经理及其他利益相关者的讨论中提供了具体可动员的素材，特别是在工作流程的早期阶段，此时替代方案仍有协商余地。从这个意义上说，该工具可能支持那些已在工作中尝试解决社会价值的设计师，使其得以实施Wong[73]所述的"软抵抗策略"，让注意力相关危害在设计审议中更加可见且更难被忽视。同样，与Watkins等人[71]描述的设计张力相关，插件可作为设计师尝试影响企业文化的有形工具，而非让他们道德关切被例行地"无效化"或"压制"。鼓励设计师批判性反思界面中的注意力捕获元素，也可能促使他们重新审视通常"出于习惯"引入的选择。鉴于新兴监管方法日益关注暗模式的影响和危害而非设计师意图[67]，这一点尤为重要。总体而言，通过插件促进围绕ACDP的讨论有助于将焦点从短期指标转向长期考量。例如，我们研究中的设计师指出，微观摩擦干预初期可能让用户感到沮丧并降低参与度，从而可能降低短期经济表现。然而，这些摩擦也可以防止更严重或更持久的用户不满，从而随时间推移带来更积极、更有意义的数字体验。我们假设用户可能愿意接受这些短期权衡以换取更积极、有意义的数字体验。事实上，研究表明用户日益意识到注意力经济的负面影响，并主动寻求工具改善其数字习惯[44, 52, 69]。从乐观的经济视角来看，专注于有意义的、以福祉为导向的设计可能随时间推移培养更高的用户忠诚度和更长期的用户参与度，即使短期内参与度可能有所下降[17]。这一方法表明，优先考虑数字健康可能在长期同时惠及用户和企业，将伦理设计与持续的商业成功相结合。话虽如此，我们承认优先考虑数字健康充满挑战。因此，下一节将考察建立新的监管举措来加强我们方法的必要性。**7.3 迈向新的监管和法律环境**近期，Sánchez Chamorro等人[65]指出，应对暗模式及其关联危害的复杂挑战需要协作、跨学科的方法。与HCI和法律交叉领域的最新工作一致[17, 67]，我们强调我们的研究应辅以集体行动和更强劲的监管干预。事实上，尽管政策制定者和监管机构日益认识到某些设计模式造成的危害，尤其是在隐私[22]和数据共享[19, 20]领域，但如何监管ACDP仍是一个开放问题，特别是针对"诱惑性"模式如无限滚动和内容自动播放[57]。正如Santos等人[67]近期所报道的，此类暗模式造成的危害尚未从法律角度得到充分审视，用户仍然"暴露于消耗其时间、注意力、认知能力等的暗模式中，且缺乏救济"（第2页）。近期的本体论和分类法[30, 57]，以及将这些设计造成的危害进行分类的新框架[67]，正在帮助弥合设计师、技术人员、监管者和法律专业人士之间的差距[30]。我们认为ACDP及其危害，与其他类型的暗模式一样，可能能够在现有法律框架下获得法律认可和执行力，例如目前欧洲生效的GDPR[21]、数字服务法[11]、人工智能法[19]和数据法案[20]。例如，DSA第25条[11]禁止设计以实质性扭曲或损害用户自由选择权的方式欺骗或操纵用户的在线界面。这一普遍性条款为多种ACDP提供了可行的监管抓手，范围从无限滚动到无限制自动播放。补充地，第27条为算法推荐系统确立了透明度义务，要求平台披露关于塑造内容策划的"主要参数"的信息，并为用户提供有意义的选项以修改或退出个性化推荐。并行地，人工智能法第5条[19]直接禁止某些AI实践，包括部署潜意识技术或利用用户脆弱性（如与年龄或残疾相关）以实质性扭曲行为并造成伤害的系统。由于ACDP通常依赖于利用心理脆弱性和认知偏差，其中一些模式可能合理地落入该禁令范围。更广泛地说，人工智能法阐述了一项原则，即AI系统不应暗中胁迫、利用或不公平操纵个人，并引入了具体的透明度义务——例如，要求与人类交互的AI系统（如聊天机器人或虚拟助手）披露其AI性质——这与虚假社交通知等ACDP相呼应。这种监管认可可能鼓励采用成熟的伦理设计实践，为我们的插件提供标准化的"光明模式"[66]作为促进用户数字健康的设计替代方案。**7.4 局限性与未来工作**尽管我们的发现令人鼓舞，但重要的是要承认某些局限性，这些局限性虽制约了方法的泛化能力，但也指明了未来研究的宝贵方向。**7.4.1 拓展概念与方法论视野**我们的插件旨在通过支持设计师找到可行且更健康的设计替代方案来改善数字健康。然而，我们认识到数字健康是一个复杂的、社会建构的问题，其范围超越了用户注意力。因此，虽然我们的方法为推广更健康的设计实践提供了具体起点，但可以由进一步研究来补充，以解决驱动注意力和数据商品化的更深层社会政治和经济因素。我们的工作是数字健康研究中最早的一次尝试之一，将焦点从以最终用户为中心的观点——已被发现长期无效[64]且过于简单化[17]——转向设计社区，因为我们相信更好的设计——支持用户代理感的设计——有可能提升数字健康。然而，我们尚未探索遵循插件建议可能如何影响用户行为或数字健康结果。

未来的工作应通过严格的用户研究来弥补这些不足，实证地评估所建议的设计替代方案对终端用户的影响，从而提供有关其在促进有意义的技术使用方面的有效性的见解。

**7.4.2 实证与技术发展的未来方向。** 虽然我们在研究中所涉及的暗黑设计模式专家在专业领域和地理背景方面力求多元化，但他们有限的数量不可避免地限制了所涵盖视角的广度。因此，未来的工作应将该评估扩展至更多行业和地理背景的、规模更大且更多元的专家组，以增强研究结果的可推广性。

类似地，与UI/UX设计师的研究主要是在一个相对较小且属于特定文化背景的群体中进行的。鉴于参与者群体在文化上较为同质化，在解读关于反消费者设计模式（ACDPs）的文化感知时，应对研究结果持谨慎态度。未来的工作应招募更具全球多元性的设计师群体，以更好地捕捉跨文化视角。此外，虽然我们鼓励设计师自由地实验该插件，但在两项研究中我们都使用了UI数据集的预构建原型以简化流程。因此，除参与者的定性反馈外，我们未能捕捉到该插件在更真实的设计场景中的影响——即在设计师从概念出发、从零开始创建UI模型的情况下。未来的研究应观察设计师在真实项目中的工作，以对该插件对实际设计决策和工作流集成的影响提供更具生态性的评估。

这些研究还将有助于进一步评估该方法随时间的表现。事实上，我们的工作中出现了一个潜在的矛盾：插件建议的量化评分总体上较为积极，但设计师在定性反思中表达的却较为批判，尤其是在习惯化效应、业务约束和长期采用方面。我们将此解读为：设计师认可该工具的概念方向和反思性可供性，即便特定的设计替代方案被认为需要进一步精炼或协商。然而，我们承认初始评分可能受到了新奇性和期望效应的影响，这在早期阶段的设计工具中通常如此。

从技术角度来看，我们对检测提示的定量评估存在重要局限性。特别是，使用由ACDP经典示例派生的小型模型数据集，并结合同一分类法对模型进行提示，在评估数据与模型指令之间引入了某种程度的对齐。虽然这种设置能够在不同的提示配置之间进行受控比较，但它并未反映真实界面中的变异性和模糊性。此外，我们仅测试了单个大语言模型（GPT-4o）作为在UI中检测ACDP并建议设计替代方案的工具。随着大语言模型领域不断发展演变，我们不能排除其他模型可能表现更好的可能性。此外，当前大语言模型的局限性使我们只能评估静态截图（一次一张），阻碍了插件对交互性的评估。我们承认，许多ACDPs在本质上具有时间依赖性，其有害特性通过重复交互或随时间的状态转变而显现，而非源自单一界面状态。近期研究[29]揭示了具有时间敏感性的暗黑设计模式。在我们的领域中，如下拉刷新、无限滚动或注意力蟑螂旅馆模式等设计模式依赖于微交互、奖励时机以及不断演变的用户承诺，因此可能无法在静态表示中被完全捕捉。相比之下，其他ACDPs如伪装广告和虚假社交通知通常可以从单一屏幕中辨认。因此，我们的方法优先考虑潜在ACDP的早期静态指标，将该插件定位为反思性辅助工具，而非全面的检测系统。我们将此工作视为与Gray等人[29]提出的时间感知暗黑设计模式分析等互补的工作，并建议未来有机会整合这两种方法，例如通过带有交互注释的增强提示或包含人工干预的视频分析。

**8 结论**

本文介绍了一个由大语言模型驱动的Figma插件，帮助设计师检测反消费者设计模式（ACDPs），并发现可能保护用户时间和注意力的替代设计方案。我们通过一系列研究对该方法进行了完善和评估，包括对多模态提示技术的性能分析、专家对大语言模型输出的评估，以及与15名专业UI/UX设计师进行的插件用户评估。研究结果表明，该插件能够启发设计师在设计过程的早期阶段重新审视其选择，并凸显了该工具在支持企业内部协商ACDP替代方案方面的潜力。通过设计师的中介作用，以及理想情况下围绕ACDP的新兴监管和法律倡议，我们设想该插件能够整合到当前的设计工作流中，从而使数字福祉成为设计的关键维度。