设为首页
  • 用户名:
  • 密 码:
  • 登录
您当前的位置:主页 > 社科研究 > 理论文章 >

中国公众隐私关注及影响因素研究

发布日期:2018-12-13 08:58  新闻来源:  编辑:宣传部社科规划办

 A Study on Privacy Concerns of Chinese Public and Its Influencing Factors

  齐昆鹏,中国科学院大学博士研究生,中国科学院科技战略咨询研究院,研究方向为科技政策与管理;李真真,中国科学院科技战略咨询研究院研究员,中国科学院大学教授,研究方向为科学的社会研究、科技伦理、科技政策与管理。

  原发信息:《科学与社会》第20182期

  内容提要:大数据语境下的隐私问题业已成为政界、学界、媒体和公众共同关注的话题。本文围绕中国公众的隐私关注及影响因素,在计划行为理论、隐私计算理论等相关理论的基础上,借鉴APCO模型和IUIPC量表等已有研究成果,构建研究假设和研究模型,并以问卷调研的方式收集实证数据,采用因子分析和结构方程模型解释隐私关注的影响因素和作用机制,呈现在当前大数据语境下中国公众的隐私关注及其影响因素、行为意愿及其影响因素。研究结果揭示了“隐私悖论”的存在,显示了公众隐私关注影响因素的复杂性,以及公众的披露行为意愿受到多重因素的影响。

  The privacy issues in the context of big data have become a concerned topic of government,the academia,the media,and the public.Focusing on privacy concerns of the Chinese public and its influencing factors,this article constructs its research hypothesis and research model based on the existing research such as the APCO model and the 1UIPC scale as well as theories of planned behavior theory and privacy calculation theory.The authors collect the empirical data by questionnaires and use factor analysis and structural equation models to explain the influencing factors and mechanisms of privacy concerns,then present the privacy concerns and its influencing factors as well as behavioral intention and its influencing factors of the Chinese public in the current big data context.The findings of this study reveal the existence of "private paradox",the complexity of influencing factors of public privacy concerns and public behavioral intention to disclose which is affected by multiple factors.

  大数据/隐私关注/结构方程模型/隐私计算理论/隐私悖论/big data/privacy concerns/structural equation model/privacy calculation theory/privacy paradox

 

  一、引言

  大数据作为当前最热门的研究和应用领域,其快速发展已经引起学术界、产业界、政府部门、媒体界和公众的广泛关注。大数据的广泛应用在产生巨大经济社会价值的同时,也带来了诸多现实挑战,如数据的二次利用对隐私造成的可能威胁,数据预测可能导致的隐私歧视以及全面监控导致的隐私无处可藏,等等。

  由于隐私本身难以被测量,因此西方管理学领域的学者引入了隐私关注(Privacy Concerns)的概念来考察公众的隐私态度,通过隐私相关变量来测量隐私[1]。随着用户隐私意识的不断增强,隐私关注已经成为学者研究的热点。关于隐私关注的研究主要集中在以下几方面:其一为隐私关注测量量表的开发,西方学者一直致力对隐私关注进行测量,已经开发了GIPC、GCIP、CFIP和IUIPC量表等[2][3][4][5]。杨姝等[6]考察了互联网环境下CFIP和IUIPC量表在中国的适应性,认为IUIPC量表具有更高的稳定性和收敛速度,更适用于中国国情;其二为隐私关注的影响因素,例如APCO模型[7],涉及人口统计学特征、信息类型、隐私经历差异、隐私意识差异、个体特征差异、文化/气候差异、政策差异等因素;其三为隐私关注的行为结果,比如提供真实信息、提供虚假信息、拒绝提供信息以及向相关组织投诉等。

  截至目前,关于隐私关注的绝大多数实证研究是在美国进行[5],此外,欧盟2015年对其28个成员国开展过面向公众的数据保护调查。2014-2015年美国皮尤研究中心进行了连续4次隐私调查,其中2014年的调查表明[8],93%的成年人表示,控制谁能获取他们的信息是重要的,80%的用户担心类似广告商或企业的第三方会访问他们分享在社交网络的数据。欧盟2015年6月发布的《欧盟晴雨表:数据保护》[9]显示,有超过80%的被调查者担心不能完全控制个人数据,但71%的被调查者认为,“提供个人信息在现代生活中越发频繁,并且如果要获得服务的产品,除了提供个人数据,没有别的选择”。

  在中国,2017年6月菜鸟网络和顺丰速运的公众快递信息之争、2017年8月腾讯华为的公众聊天信息之争、2018年1月支付宝的用户年度账单引发的默认勾选风波,均显示公众隐私数据之争愈演愈烈,在唤醒公众数据隐私意识的同时,也引发了公众对数据泄露的担忧,促使学术界对此展开激烈的讨论。

  大数据语境下,隐私问题日益受到关注。有鉴于此,本研究基于对中国公众隐私关注情况的问卷调研及数据分析,着重探究中国公众的隐私关注及其影响因素,以期为我国有关隐私的政策和法律制度提供研究支撑及启示。

  二、研究变量、研究假设与研究模型

  本研究从计划行为理论、隐私计算理论视角,借鉴APCO模型、IUIPC量表及相关研究提出的影响隐私关注、行为意愿及行为策略的基础因素,确定模型所需要的指标变量,包括隐私关注、行为意愿、行为策略、感知风险、感知收益、信任、隐私政策、隐私泄露经历、数据素养、社群影响、隐私倾向等,在理论研究基础上提出研究假设,进而构建隐私关注影响因素研究模型。

  1.变量释义与研究假设

  (1)隐私关注。隐私关注最早的定义是指个人将其数据提供给某个组织后,对组织如何使用及保护个人信息的一般担忧[3]。现在经常出现在西方管理学与信息系统研究方面文献中的“隐私关注”是指“互联网使用者对控制、收集和使用其个人信息或者其在互联网上获得信息的关注”,并通常使用“信息隐私关注”的概念来表示人们对可能失去控制自己信息隐私的担忧[10]。本研究认为,隐私关注是公众对具体隐私情景的主观感受,用于测量公众对其隐私信息的被收集、被控制、被存储、被传输以及被监测等的认知与关注。

  为了弥补传统环境中CFIP量表的不足,Malhotra、Kim和Agarwal[5]基于社会契约理论(Social Contract Theory)开发了互联网情境下的IUIPC量表,包括控制、收集和意识三个维度。其中,收集维度是指测量某人对其个人信息被他人以获利为目的获取时所表现出的担忧程度。控制维度测量用户能按自己意愿对自己的个人信息的控制程度,包括控制个人信息的被使用范围、被泄露的后果等。意识维度测量组织隐私政策的自我感知程度。Schwartz和Solve[11]认为,在线消费者的信息被不恰当收集、存储和传播的风险主要体现在以下四个方面:无法控制收集个人信息的行为、无法控制被收集的个人信息类型、无法控制个人信息的使用范围、无法控制个人信息泄露的后果。因此,当对个人信息的控制能力减弱,将提高其隐私关注程度。

  大数据语境下的个人隐私关注同时覆盖了线上和线下领域,而且引发了新的挑战,比如随着计算机处理技术、移动互联网、物联网等信息技术无所不在的数据收集,数据二次挖掘对隐私的可能威胁,数据预测可能导致的隐私歧视,全面监控导致的隐私无处可藏等问题,改变了传统隐私关注的一些测量内容。本研究主要借鉴IUIPC量表,结合当前语境和国外调查内容,使用收集、控制、意识这三个维度,对公众的隐私关注程度进行测量。

  (2)行为意愿。在计划行为理论中,Ajzen[12]认为行为意愿是反映了人们想做某事的强烈程度,即人们对采取某种行为对所需要占用的资源、付出的努力及花费的时间等因素进行综合评估后,有多大意愿让该行为得以实施。Dienlin和Trepte[13]和朱侯等[14]的研究表明,引入行为意愿可以有效解释隐私悖论现象。一般情况下,当用户的隐私关注程度越高,越不会产生披露隐私的意向,越可能产生保护隐私的意向。本文据此提出以下假设:

  H1:行为态度与披露行为意愿显著负相关。

  Dinev和Hart[15]的研究表明,隐私关注与其提供私人信息的意愿负相关。Dienlin和Trepte[13]认为,行为态度可以是消极的也可以是积极的,而隐私关注主要指的是消极的态度。一般情况下,当用户的隐私关注程度越高,越不会产生披露隐私的意向。行为意愿主要是指对于做某种事情的态度和意愿,本研究特指披露行为意愿,并使用隐私关注来代替行为态度,将假设H1修改为:

  H1:隐私关注会显著负向影响披露行为意愿。

  (3)行为策略。行为策略(Behavior Strategy)一般是指已经采取了哪些行为,包括披露行为和保护行为。Ajzen[12]认为,人们采用的行为直接受到行为意愿的影响,而其他影响行为的因素都是通过影响行为意愿来影响具体的行为。高锡荣等[16]从消费者网络隐私保护行为的角度入手,得出消费者的隐私关注程度将会对其拒绝提供个人信息、伪造个人信息、删除个人信息、投诉等行为产生显著的正向影响。基于此,本研究中的行为策略是指披露行为,即当前情况下公众已经提供了个人信息的情况。本文据此提出以下假设:

  H2:披露行为意愿会显著正向影响披露行为。

  (4)感知风险与感知收益。依据Culan和Armstrong[17]的隐私计算理论,用户在披露个人信息以换取一些经济或社会利益时会进行评估,以保证他们的隐私信息不被非法使用且个人不会受到负面影响。其主要观点遵循以下公式:U(X)=Benefit-Cost,说明消费者不进行精确的效益分析,并对成本与收益进行权衡(trade-off)。

  其中,感知风险是指公众在采取某种行为时所考虑的风险感知,比如信息泄露、未经授权的访问、被出售或共享给第三方(金融机构和政府)。Chen[18]对此进行了实证研究,认为用户感知风险越大,其个人信息关注程度越高;Norberg等[19]的研究表明,用户的感知风险与其披露隐私意愿呈现显著负相关。

  感知收益是指公众在采取某种行为时前考虑到感知到的收益,比如财务奖励、个性化服务、社会福利和国家安全。一些实证研究表明,通过对消费者进行经济上的补偿可以促进他们的信息披露[20][21][22]。White[23]的研究同样验证了当用户得到个性化利益时,更愿意提供个人信息。Lu等[24]的研究表明,社会调节福利指的是通过整合到想要的社会群体中而建立的社会认同,也会对信息披露行为意愿产生影响。Wang[25]通过大量的仿真实验,通过点击—补偿的模式使得消费者愿意提供其隐私信息,以便于企业进行个性化广告的定制。本文据此提出以下假设:

  H3:感知风险会显著正向影响隐私关注;

  H4:感知风险会显著负向影响隐私披露意愿;

  H5:感知收益会显著负向影响隐私关注;

  H6:感知收益会显著正向影响隐私披露意愿。

  (5)信任。信任是指公众对收集和处理个人信息的企业或机构的感知态度。一些研究者将信任作为隐私关注和披露行为意愿的中介变量[26][27]但大多数的研究者将信任视为隐私的前因变量[28],或者视为隐私的后果变量[5][18][29],或者看成是隐私关注对行为策略产生影响的调节变量[30]。Smith等[7]研究表明,企业或机构与消费者建立信任关系,是解决隐私关注的最好途径。Liu等[31]通过对电子商务业务的实验研究,认为是否披露个人信息对一个人是否信任电子商务业务有很强的影响。本文据此提出以下假设:

  H7:信任会显著负向影响隐私关注;

  H8:信任会显著正向影响披露行为意愿。

  (6)隐私政策。隐私政策包括机构隐私政策、国家隐私政策两个层面。机构层面包括互联网行业自律、企业隐私保护政策等;国家层面包括隐私保护法律法规、互联网安全管理规章等。Rifon等[32]发现隐私声明可以让用户对网站产生信任感。还有一些研究表明企业可以通过建立隐私声明或隐私图章来构建信任,进而降低隐私担忧[33][34]。本文据此提出以下假设:

  H9:隐私政策会显著正向影响信任。

  (7)隐私泄露经历。本研究中的隐私泄露经历,个体经历过或听到过某些具有伤害性的事件,比如诈骗短信、垃圾邮件、身份歧视等导致个人正常生活被打扰的经历,或者听说过新闻媒体报道的一些隐私泄露事件,比如斯诺登事件等。Smith、Dinev、Xu等[7]将隐私泄露经历看作是隐私关注的前因变量,认为受过伤害的人更关注隐私。本文据此提出以下假设:

  H10:隐私泄露经历会显著正向影响隐私关注。

  (8)数据素养。数据素养是指对数据的敏感性、数据的收集能力、数据的分析处理能力、利用数据进行决策的能力以及对数据的批判性思维①,又称网络素养。本研究将数据素养定义为上网技能以及使用的熟练程度,包括使用互联网的多样性和频率以及是否有能力去做一些隐私保护的设置等。人们从事线上的活动越多,类型越复杂,对于互联网的风险和优势越了解,越有可能会减少人们对于隐私的关注和忧虑。有研究认为互联网使用频率和熟悉程度对于公众的隐私关注有反向直接的影响[35]。本文据此提出以下假设:

  H11:数据素养会显著负向影响隐私关注。

  (9)社群影响。隐私关注不仅受到个人特征的影响,还会受到周围人群的影响,这种影响在当前万事万物互联互通的大数据时代尤其明显。Venkatesh等[36]在历年技术接受模型(TAM)相关研究的基础上,提出经典的整合型科技接收模型(Unified Theory of Acceptance and Use of Technology,简称UTAUT),该模型有4个核心的影响因素,社群影响即是其中之一。Li和Chen[37]通过调查在线社交网络用户的位置隐私,发现好友之间的隐私关注比较相似。这意味着公众的隐私关注以及打算接受新的技术、服务和产品等有可能受到其周边人的影响。本文据此提出以下假设:

  H12:社群影响会显著正向相关隐私关注。

  (10)隐私倾向。隐私倾向是性格特征的一种,它描述了一个人对隐私是开放的态度还是保守的态度,同时强调了隐私关注的个体差异。有研究表明,不同性格特征的公众有不同的隐私关注倾向[38];个性差异[26]、五大人格特征[18]都会对个人隐私问题产生影响。本文据此提出以下假设:

  H13:隐私倾向会显著正向影响公众隐私关注。

  2.研究模型

  除了上述11个变量,由于人口统计变量对隐私关注的影响方面也有差异[7],本研究选取性别、年龄、学历、职业等作为控制变量来研究其对隐私关注及披露行为意愿的影响,提出本研究的研究模型,如图1所示:

  

  图1 隐私关注及行为意愿影响因素理论模型

您是第位访问者

版权所有◎2007-2025 黑龙江社会科学  未经允许 严禁复制本站内容或建立镜象
电话:0451-82808217 邮编:150001
地址:哈尔滨市南岗区  技术支持:东北网