开源项目教程：Dark Patterns 数据与代码

1. 项目介绍

本项目是 CSCW 2019 会议论文 "Dark Patterns at Scale: Findings from a Crawl of 11K Shopping Websites" 的数据与代码发布。论文的作者是 Arunesh Mathur、Gunes Acar、Michael Friedman、Elena Lucherini、Jonathan Mayer、Marshini Chetty 和 Arvind Narayanan。该项目旨在通过爬取和分析 11,000 个购物网站，大规模地研究和揭示网络中的“暗模式”（Dark Patterns）。

暗模式是指网站或应用设计中用于欺骗用户、使其做出不利于自己决策的设计模式。本项目包含了用于生成购物网站列表、产品页面分类器以及结账爬虫的代码，并且提供了相关数据和研究分析。

2. 项目快速启动

环境准备

• 安装 Python 3.x
• 安装必要的依赖库（见 requirements.txt）

pip install -r requirements.txt

数据准备

• 下载购物网站数据集
• 解压数据集到 data/ 目录下

运行爬虫

• 进入 src/ 目录
• 运行结账爬虫代码

python checkout_crawler.py

运行分析

• 进入 analysis/ 目录
• 运行聚类分析或其他统计分析脚本

python clustering_analysis.py

3. 应用案例和最佳实践

• 案例研究：分析特定暗模式在购物网站中的长期欺骗性。
• 第三方分析：调查第三方服务在推广暗模式中的作用和流行度。
• 统计分析：对收集到的暗模式数据集进行统计，了解其分布和影响。

最佳实践：在开发过程中，注意以下几点：

• 保持代码的可读性和维护性。
• 注重数据分析的准确性和有效性。
• 遵循开源协议，尊重知识产权。

4. 典型生态项目

• Mutation Summary: 用于跟踪网页变化的开源项目。
• OpenWPM: 一个用于自动化网页隐私测量的浏览器插件。
• Selenium: 一个用于自动化网页交互的开源工具。

以上便是针对 "Dark Patterns at Scale" 开源项目的简要教程。希望对您的研究和使用有所帮助。