池毛毛，王俊晶，王偉軍

（1.中國地質(zhì)大學(xué)（武漢）經(jīng)濟(jì)管理學(xué)院，武漢 430078；2.華中師范大學(xué)信息管理學(xué)院，武漢 430079；3.華中師范大學(xué)青少年網(wǎng)絡(luò)心理與行為教育部重點實驗室，武漢 430079）

1 引言

2020年1月，湖北省武漢市突發(fā)新型冠狀病毒肺炎疫情，數(shù)日后疫情席卷全國31個省份。各地地方政府陸續(xù)啟動重大突發(fā)公共衛(wèi)生事件Ⅰ級響應(yīng)，全國進(jìn)入高度緊張的抗疫工作中。由于疫情防控的需要，多地基層政府紛紛針對湖北返鄉(xiāng)的務(wù)工和學(xué)習(xí)的人員開展信息收集工作，以確保對風(fēng)險人群的統(tǒng)一有效管理。然而與此同時，“湖北武漢返鄉(xiāng)人員信息被泄露”登上微博話題榜。疫區(qū)返鄉(xiāng)人員的個人信息被泄露之后，部分返鄉(xiāng)人員不斷收到騷擾電話和侮辱謾罵消息，甚至其家人都有所波及，已超過正常防控和隔離的范圍。個人私密信息的泄漏在很大程度上影響著此次突發(fā)重大疫情中公民的信息披露意愿，各地也出現(xiàn)了許多公民不愿意披露（隱瞞）相關(guān)個人信息的事件。因此，如何解釋突發(fā)重大疫情下公民信息不披露意愿的形成機(jī)制具有重要的現(xiàn)實意義。

目前相關(guān)文獻(xiàn)主要聚焦于網(wǎng)絡(luò)用戶的信息披露行為[1]，發(fā)現(xiàn)“隱私悖論”現(xiàn)象，即用戶同時存在隱私擔(dān)憂和信息披露行為無關(guān)或相悖的現(xiàn)象[2]。有學(xué)者提出了網(wǎng)絡(luò)環(huán)境下（包括社交媒體、電子商務(wù)和電子政務(wù)等）用戶隱私擔(dān)憂的測量問題[3]，并從隱私計算、有限理性和認(rèn)知偏差等視角對隱私悖論現(xiàn)象及其成因進(jìn)行實證研究[4-5]。其中，電子政務(wù)相關(guān)文獻(xiàn)關(guān)注到政府信任因素對用戶使用電子政務(wù)系統(tǒng)[6]和信息披露意愿的影響機(jī)制[7]。例如，電子政務(wù)交易系統(tǒng)中，Beldad等[7]探索公民對政府使用和處理個人信息的信任，如何影響公民信息披露意愿和系統(tǒng)參與意愿。然而，當(dāng)前文獻(xiàn)存在如下局限：①文獻(xiàn)重點研究網(wǎng)絡(luò)環(huán)境下自愿信息披露的用戶隱私悖論現(xiàn)象，如社交媒體、電子商務(wù)和電子政務(wù)等背景下的用戶隱私擔(dān)憂和信息披露行為，忽視了突發(fā)重大疫情中非自愿信息披露背景下的公民信息不披露行為和意愿的研究；②文獻(xiàn)雖然關(guān)注到電子政務(wù)系統(tǒng)中政府信任對用戶的系統(tǒng)使用和信息披露意愿的重要作用，但是缺乏從基層政府實體角度，研究基層政府信任的具體維度對公民隱私擔(dān)憂和信息不披露意愿的具體驅(qū)動過程。

基于上述現(xiàn)實需要和理論局限，并結(jié)合湖北武漢突發(fā)重大疫情的背景，本文重點研究了湖北返鄉(xiāng)人員的信息不披露意愿的影響機(jī)制。具體來說，基于武漢等湖北省重要城市封城一周后，收集從湖北疫區(qū)返鄉(xiāng)公民的一手調(diào)查數(shù)據(jù)，本文引入刺激-機(jī)體-響應(yīng)框架（stimuli-organism-response，S-O-R），并采用Smart PLS 3.0分析基層政府信任、機(jī)體感知（包括隱私擔(dān)憂、感知風(fēng)險和感知利益）和公民信息不披露意愿的作用過程。本文對于在突發(fā)重大疫情下指導(dǎo)相關(guān)基層政府如何有效地促進(jìn)公民信息披露意愿和提高政府服務(wù)滿意度等具有重要的理論和現(xiàn)實意義。

2 文獻(xiàn)綜述和理論框架

2.1 公民信息披露意愿的相關(guān)研究

信息管理領(lǐng)域關(guān)于信息披露意愿的研究主要聚焦在互聯(lián)網(wǎng)環(huán)境中的用戶信息披露問題，并發(fā)現(xiàn)用戶信息披露意愿的前因要素主要包括信任和隱私擔(dān)憂。

一方面，信任被視為信任信念，即信任者歸屬于信任對象的具體信念[8]。這些信念是對第三方信息行為的特定信任和保證，意味著用戶做出信任決定時，必須知道其是可靠的、正直的和公平的，并對其善意有所期待[9]。相關(guān)研究主要從單個維度（一般信任）[3-4,9]或多個維度（能力、善意和誠信等）[8,10]來衡量信任。Mutimukwe等[4]研究一般信任對用戶使用電子政務(wù)的信息不披露意愿的影響[4]。Guo等[10]研究移動醫(yī)療場景下信任的能力（ability）、善意（benevolence）和誠信（integrity）三個維度對信息披露意愿的具體作用機(jī)制。此外，相關(guān)文獻(xiàn)主要關(guān)注用戶對在線網(wǎng)站/系統(tǒng)（如社交媒體、電子商務(wù)和電子政務(wù)網(wǎng)站）的信任，認(rèn)為信任可以減少其對在線網(wǎng)站/系統(tǒng)的不確定性，誘發(fā)用戶的依賴心理，使其做出信息披露決定[9-11]。尤其，電子政務(wù)網(wǎng)站信息披露研究發(fā)現(xiàn)信任不僅與在線網(wǎng)站/系統(tǒng)有關(guān)，還與政府實體有關(guān)，其認(rèn)為政府信任會積極影響用戶的信息披露意愿[7,12]。

另一方面，隱私擔(dān)憂一直是信息披露文獻(xiàn)關(guān)心的重要因素[13-14]。隱私擔(dān)憂主要指個體對第三方信息行為的焦慮程度[15]。早期學(xué)者主要研究隱私擔(dān)憂的定義和量表。Smith等[15]開發(fā)CFⅠP量表（包括收集、未授權(quán)的二次使用、不恰當(dāng)?shù)脑L問和錯誤）研究個人對企業(yè)組織的信息隱私擔(dān)憂。Malhotra等[3]提出ⅠUⅠPC量表（包括收集、意識、控制）衡量互聯(lián)網(wǎng)用戶隱私擔(dān)憂?，F(xiàn)有文獻(xiàn)根據(jù)研究場景的不同，選擇的量表或測量內(nèi)容有所側(cè)重。張玥等[16]從隱私擔(dān)憂的收集、未授權(quán)的二次使用、不恰當(dāng)?shù)脑L問和錯誤四個維度衡量移動社交用戶信息披露的隱私成本。Guo等[10]使用單一維度（控制）測量移動醫(yī)療用戶隱私擔(dān)憂。相關(guān)文獻(xiàn)關(guān)注在線網(wǎng)站（如電子商務(wù)、社交媒體、移動醫(yī)療和電子政務(wù)）的自愿使用場景，研究發(fā)現(xiàn)，用戶會因為個人對信息控制權(quán)的減少，或擔(dān)心個人信息的泄露和濫用，從而消極影響信息披露意愿[10-11,17]。

關(guān)于信任和隱私擔(dān)憂之間的關(guān)系，目前研究主要分為聯(lián)想者模型和因果鏈模型兩個流派[18]。首先，聯(lián)想者模型認(rèn)為，信任是用戶隱私擔(dān)憂和風(fēng)險評估過程的主觀反映，即隱私擔(dān)憂影響信任[19]。其次，因果鏈模型認(rèn)為，信任是隱私擔(dān)憂的前置態(tài)度及信念，即信任影響隱私擔(dān)憂[20]。區(qū)分兩者的關(guān)鍵在于前者是用戶通過了解第三方信息行為后所形成的信任，而后者是用戶本身既有的知識儲備所形成的信任[18]。當(dāng)前大多數(shù)研究采用聯(lián)想者模型研究互聯(lián)網(wǎng)用戶信息披露意愿，認(rèn)為較低水平的隱私擔(dān)憂會增加用戶對在線網(wǎng)站的信任，從而產(chǎn)生更強(qiáng)的自我披露意愿[3,10-11]。例如，在針對477個美國家庭在線購買行為研究中，研究者發(fā)現(xiàn)隱私問題對在線購買意愿有顯著影響，其中最大的負(fù)面影響來自隱私擔(dān)憂對購買意愿的直接作用，以及隱私擔(dān)憂通過在線商家信任間接影響購買意愿[21]。

綜上所述，當(dāng)前相關(guān)文獻(xiàn)的局限體現(xiàn)在三點。首先，文獻(xiàn)聚焦用戶在互聯(lián)網(wǎng)環(huán)境下的自愿信息披露行為和意愿，缺乏對非自愿信息披露意愿的影響研究。尤其，在突發(fā)重大疫情背景下，政府強(qiáng)制性收集疫情相關(guān)信息如何影響公民的信息不披露意愿尚未有文獻(xiàn)涉及。其次，文獻(xiàn)雖然關(guān)注到電子政務(wù)網(wǎng)站中政府信任的重要性，但缺乏探析突發(fā)重大疫情背景下基層政府實體發(fā)揮的作用，缺乏研究基層政府信任的能力、善意和誠信維度對公民信息披露意愿的影響。最后，現(xiàn)有文獻(xiàn)主要基于聯(lián)想者模型將隱私擔(dān)憂作為信任（如網(wǎng)站/系統(tǒng)信任）的前置因素，但是因果鏈模型更適用于基層政府信任，即基層政府信任作為隱私擔(dān)憂的前置因素，因為基層政府信任是公民既有的知識儲備，不同于政務(wù)網(wǎng)站/系統(tǒng)等需要獲取相關(guān)信息后才能建立。

2.2 理論框架

本文理論框架是建立在S-O-R模型的基礎(chǔ)上，該模型是認(rèn)知心理學(xué)的基礎(chǔ)之一[22]。S-O-R模型認(rèn)為，人類的復(fù)雜行為分為刺激和反應(yīng)兩個部分，人類的行為是受到了刺激所做出的反應(yīng)，從理論上具體解釋了外部環(huán)境特征對個體的情感認(rèn)知反應(yīng)以及對隨后行為的預(yù)測作用。其中，S代表外部刺激，O代表機(jī)體的內(nèi)部響應(yīng)，R代表機(jī)體的反應(yīng)。S-O-R模型在消費(fèi)行為領(lǐng)域已被廣泛應(yīng)用，代表性的研究有Howard等[23]基于S-O-R建立了“消費(fèi)者刺激反應(yīng)模型”、Belk[24]基于Mehrabian等[22]的模型所建立的“電子商務(wù)情境的S-O-R擴(kuò)展模型”。然而，該模型的應(yīng)用背景主要為互聯(lián)網(wǎng)情境下的用戶購買行為，對于突發(fā)重大疫情下公民的信息披露行為則鮮有應(yīng)用。因此，基于S-O-R模型，本文構(gòu)建基層政府信任（S）、機(jī)體感知包括感知利益、感知風(fēng)險和隱私擔(dān)憂（O）和公民信息不披露意愿（R）的理論框架，試圖構(gòu)建突發(fā)重大疫情背景下公民信息不披露意愿的影響模型。其中，基層政府信任作為公民接受到外部環(huán)境的刺激將會影響到感知利益、感知風(fēng)險和隱私擔(dān)憂等機(jī)體感知，最終將會促進(jìn)其相關(guān)行為反應(yīng)（即信息不披露意愿）。本文的概念模型如圖1所示。

圖1 研究模型

3 假設(shè)發(fā)展

3.1 基層政府信任對于機(jī)體感知的作用關(guān)系

信任是穩(wěn)定社會關(guān)系的重要決定因素[25]，廣泛被用于風(fēng)險管理[18,26]、電子政務(wù)采納[12,27]和隱私披露[28]的研究中。在突發(fā)重大疫情的風(fēng)險背景下，基層政府在疫情信息收集上發(fā)揮著主導(dǎo)作用。然而，基層政府公信力受到了隱私泄露事件和社會輿論等多方面的挑戰(zhàn)，公民信息披露與否受到其對政府信任因素的重要影響[7]。公民對基層政府的信任能夠提升基層政府工作的可信性和可達(dá)性，當(dāng)公民相信基層政府收集疫情相關(guān)信息的行為是負(fù)責(zé)任的、可靠的，才會表達(dá)出積極的信息披露意愿，而不會隱瞞或欺騙。在S-O-R框架中，刺激可激發(fā)個體感知的因素[29]。因果鏈模型和聯(lián)想者模型分別將信任作為個體感知的前因和后果，公民的既有知識儲備和信息可得性是區(qū)分兩者的關(guān)鍵[18,20]。公民對基層政府固有信任的評估影響了公民的個體感知，即公民越相信基層政府收集信息的能力，其越可能表現(xiàn)出積極的態(tài)度和行為。因此，因果鏈模型更為適用于本文的研究情境。本文的刺激指基層政府信任，是對基層政府能力、善意和誠信的評估[18,25]。

基于因果鏈模型，基層政府信任將會影響公民在突發(fā)重大疫情中對基層政府信息收集的隱私擔(dān)憂、感知風(fēng)險和感知利益三個機(jī)體感知。首先，公民對基層政府的固有信任程度決定了對基層政府信息收集的隱私擔(dān)憂程度。隱私擔(dān)憂是個人對隱私問題的核心感知，是隱私披露中的核心概念[30]。相關(guān)文獻(xiàn)發(fā)現(xiàn)，如果人們建立了對重要實體的信任，就會表現(xiàn)出對隱私擔(dān)憂程度的降低，并減少對披露個人信息的反感[31-32]。在突發(fā)重大疫情背景下，公民常常因為擔(dān)心個人信息被相關(guān)主體不負(fù)責(zé)任地收集使用，猶豫甚至拒絕披露個人信息（包括隱瞞和編造）。相反地，如果公民對基層政府信任度高，熟悉并相信其專業(yè)性能力、關(guān)懷和言行一致性，就會一定程度上減少公民的隱私擔(dān)憂。因此，本文提出如下假設(shè)：

H1：基層政府信任負(fù)向影響公民隱私擔(dān)憂。

其次，基層政府信任除了影響公民隱私擔(dān)憂的程度外，還會對其感知風(fēng)險產(chǎn)生一定影響。隱私問題的核心包括可能產(chǎn)生隱私泄露或濫用的風(fēng)險，感知風(fēng)險同樣在隱私披露文獻(xiàn)中具有重要地位[30]。研究認(rèn)為，用戶對主體越信任，就越不可能預(yù)見到向主體提供個人信息的風(fēng)險[3,11,33]。在突發(fā)重大疫情背景下，公民對基層政府信任程度越高，就會對政府和自身的相關(guān)行為（如個人信息的收集）更為自信，從而低估個人信息披露可能產(chǎn)生的風(fēng)險，即公民的感知風(fēng)險更低。因此，本文提出如下假設(shè)：

H2：基層政府信任負(fù)向影響公民感知風(fēng)險。

最后，關(guān)于基層政府信任和感知利益的關(guān)系。隱私計算理論認(rèn)為，當(dāng)用戶被要求披露個人信息時，其會進(jìn)行風(fēng)險和收益的計算，進(jìn)而分析信息披露的阻礙因素和驅(qū)動因素[34-35]。感知利益衡量的是用戶認(rèn)為披露個人信息可能獲得的收益[23]，是影響信息披露意愿的主要機(jī)體感知因素之一。公民對基層政府信任越高，就越可能對基層政府相關(guān)行為（如個人信息收集）持樂觀態(tài)度，從而高估個人信息披露可能產(chǎn)生的利益，即公民感知利益更高。因此，本文提出如下假設(shè)：

H3：基層政府信任正向影響公民感知利益。

3.2 機(jī)體感知內(nèi)部作用關(guān)系

S-O-R框架中第二個組成要素機(jī)體“organism”表示個體的情感及認(rèn)知反應(yīng)，是刺激和反應(yīng)之間的重要中介因素。本文將機(jī)體感知作為機(jī)體重要反應(yīng)，包括公民的隱私擔(dān)憂、感知風(fēng)險和感知利益，這三者之間存在著一定的作用機(jī)制。一方面，隱私擔(dān)憂對于感知風(fēng)險具有正向作用。例如，有研究將風(fēng)險信念[3]和感知風(fēng)險[17]作為隱私擔(dān)憂與信息披露之間的中介。公民的隱私擔(dān)憂傾向會強(qiáng)化其對風(fēng)險的感知[3]。具體而言，在突發(fā)重大疫情中，公民對基層政府信息收集所表現(xiàn)的煩惱、焦慮程度越高，就會更容易感知到所可能承擔(dān)損失的風(fēng)險，甚至高估風(fēng)險程度。因此，本文提出如下假設(shè)：

H4：公民隱私擔(dān)憂正向影響感知風(fēng)險。

另一方面，隱私擔(dān)憂也存在對感知利益的負(fù)向影響。有研究發(fā)現(xiàn)，一種單向的偏效應(yīng)，即用戶的消極情緒會獲得更多的認(rèn)知關(guān)注，并降低其對積極因素的感知[36]。隱私擔(dān)憂作為公民對信息隱私問題的核心負(fù)面情感，會降低公民對信息披露的積極感知。具體而言，公民對基層政府信息收集的隱私擔(dān)憂，會進(jìn)一步減少公民對信息披露產(chǎn)生利益的感知。因此，本文提出如下假設(shè)：

H5：公民隱私擔(dān)憂負(fù)向影響感知利益。

3.3 機(jī)體感知對于信息不披露意愿的作用關(guān)系

S-O-R框架中第三個組成要素機(jī)體“response”是個體在意愿或行為上的反應(yīng)結(jié)果，機(jī)體感知會導(dǎo)致對信息披露的反應(yīng)結(jié)果。信息不披露意愿是隱私問題最明顯的行為反應(yīng)，能可靠地預(yù)測公民的實際行為[30]。突發(fā)重大疫情背景下，基層政府通過電子政務(wù)系統(tǒng)（網(wǎng)站）、社交媒體和電話訪問等方式收集個人信息，若公民認(rèn)為隱私擔(dān)憂程度高、感知風(fēng)險高或感知利益小，就會進(jìn)行自我保護(hù)，導(dǎo)致降低其隱私披露意愿。

有文獻(xiàn)研究發(fā)現(xiàn)，網(wǎng)絡(luò)環(huán)境中隱私擔(dān)憂對用戶采納或信息披露意愿有直接且顯著的影響。例如，電子商務(wù)場景下，消費(fèi)者可能會出于隱私考慮，而不愿意進(jìn)行網(wǎng)上購物或個性化服務(wù)[10,37]。電子政務(wù)相關(guān)文獻(xiàn)發(fā)現(xiàn)，隱私擔(dān)憂會影響公民的信息不披露意愿[4]。突發(fā)重大疫情背景下，基層政府收集個人信息引起了公民對隱私問題（如個人信息泄露或濫用）的擔(dān)憂，公民表現(xiàn)出越高的煩惱和焦慮情緒，就越傾向于不披露個人信息。因此，本文提出如下假設(shè)：

H6：公民隱私擔(dān)憂正向影響不披露意愿。

感知風(fēng)險，是指公民認(rèn)為向相關(guān)基層政府部門披露個人信息可能造成損失的程度。有研究發(fā)現(xiàn)，在位置感知營銷（location-aware marketing）中，對個人信息處理不當(dāng)可能會導(dǎo)致用戶位置數(shù)據(jù)和身份的挖掘，并增加可能令用戶尷尬的情況[35]。這意味著個人信息披露的損失預(yù)期，會阻止人們分享其個人信息，甚至提供不完整、不準(zhǔn)確或虛假的信息[4,33]。在新冠肺炎疫情中，有不少在外武漢居民的個人信息采集后被公開散布，給其帶來了騷擾和不便，并造成了不良影響。因此，具有高度風(fēng)險感知的公民會在披露個人信息方面表現(xiàn)出自我限制，而不愿意向基層政府披露個人信息，本文提出如下假設(shè)：

H7：公民感知風(fēng)險正向影響不披露意愿。

公民披露個人信息是因為其認(rèn)為會產(chǎn)生最有利的凈結(jié)果，即信息披露所帶來的效益大于所可能損失的效益。相關(guān)文獻(xiàn)將感知利益作為用戶信息披露的驅(qū)動因素，并發(fā)現(xiàn)感知利益與信息披露呈正相關(guān)[5,38]。個體可能會同意放棄一定程度的隱私，以換取與信息披露相關(guān)的潛在利益[35]。突發(fā)重大疫情背景下，基層政府通過收集公民個人信息以更好的保護(hù)公民健康，例如，公民會被告知是否為潛在接觸者或疑似病例，會有更多的機(jī)會被提前干預(yù)（隔離和診療）。這些關(guān)乎自身和公共生命健康的利益會極大的降低公民的信息不披露意愿，因此，本文提出如下假設(shè)：

H8：公民感知利益負(fù)向影響不披露意愿。

4 研究方法

4.1 研究情境

2020年1月，湖北武漢突發(fā)新型冠狀病毒疫情，并在國內(nèi)多個省市迅速蔓延。2020年1月23日，疫區(qū)武漢宣布“封城”，此后國內(nèi)多個省市啟動公共衛(wèi)生事件Ⅰ級響應(yīng)。由此，從疫區(qū)返鄉(xiāng)的學(xué)生和務(wù)工人員需要向當(dāng)?shù)鼗鶎诱蠄髠€人的健康信息，并主動進(jìn)行居家隔離。本文以武漢新型冠狀病毒疫情為研究背景，并在多地啟動公共衛(wèi)生事件一級響應(yīng)后的1周左右，對從湖北返鄉(xiāng)到全國各地的學(xué)生和務(wù)工人員進(jìn)行大規(guī)模問卷調(diào)查。

4.2 數(shù)據(jù)收集及樣本特征

2020年1月23日武漢市開始封城，湖北省其他地區(qū)也陸續(xù)封城。此時在鄂大專院校已經(jīng)放假，大部分學(xué)生已返鄉(xiāng)，而一部分在鄂務(wù)工人員也已經(jīng)返鄉(xiāng)。因此，本文數(shù)據(jù)收集對象為在湖北省學(xué)習(xí)和工作的返鄉(xiāng)人員。為了保證調(diào)查問卷的科學(xué)性和有效性，本文根據(jù)相關(guān)文獻(xiàn)與理論選擇了主要變量和題項，并采用兩階段調(diào)查法。第一階段（2020年2月1日—13日），分兩步進(jìn)行預(yù)調(diào)查。首先，在線訪談了5名湖北返鄉(xiāng)人員（包含3名信息系統(tǒng)、圖書情報與檔案領(lǐng)域的專家），根據(jù)訪談結(jié)果調(diào)整與修改了初始變量和題項。接著，邀請有國外留學(xué)經(jīng)歷的信息系統(tǒng)、圖書情報與檔案領(lǐng)域的專家進(jìn)行部分英文題項的中漢互譯的檢查，并生成初始問卷。其次，將初始問卷發(fā)放給20名湖北返鄉(xiāng)人員（其中回收12份有效問卷），請其就問卷中可能存在的問題提出意見，并根據(jù)反饋的具體意見和初步探索性分析結(jié)果，在進(jìn)一步修改完善后形成最終的調(diào)查問卷。在第二階段（2月14日—19日），利用在線問卷調(diào)查平臺，生成并發(fā)布問卷，并采用滾雪球的方式收集在湖北省學(xué)習(xí)和工作的返鄉(xiāng)人員問卷。為了激勵問卷填寫，對于認(rèn)真填寫的有效問卷隨機(jī)發(fā)放3～6元微信紅包。本問卷通過滾雪球方式共有2767名訪問者，最終共收得問卷579份，根據(jù)被調(diào)研者的填寫時長和問卷中的注意力題項，刪除54份無效問卷。最終回收有效問卷525份，問卷有效回收率為18.97%。具體的樣本基本特征如表1所示。從被調(diào)研者的返鄉(xiāng)區(qū)域來看，華中、華東和華南地區(qū)占大部分，占比達(dá)81.52%。職業(yè)分布則以返鄉(xiāng)學(xué)生為主，占比75.62%；其他返鄉(xiāng)務(wù)工人員占比24.38%。這與1月23日湖北大部分地區(qū)封城有關(guān)，高校學(xué)生放假較早，大部分學(xué)生已返鄉(xiāng)。而此時距離春節(jié)假期還有一段時間，導(dǎo)致大量務(wù)工人員無法返鄉(xiāng)。

本文采用比較第一天和最后一天被調(diào)查者的方法來檢驗調(diào)查樣本是否存在無響應(yīng)偏差。統(tǒng)計結(jié)果顯示兩組樣本在性別、年齡和教育水平等方面不存在統(tǒng)計學(xué)上的顯著性差異（p＞0.1）。因此，本研究中不存在響應(yīng)偏差問題。

4.3 變量測量

本研究需要測量的變量包括基層政府信任、隱私擔(dān)憂、感知風(fēng)險、感知利益和公民信息不披露意愿。其中，“刺激”通過基層政府信任測量，“機(jī)體”包括隱私擔(dān)憂、感知風(fēng)險和感知利益，“反應(yīng)”采用公民信息不披露意愿測量。本文采用李克特7點量表，被試者根據(jù)對各個題項的同意程度來進(jìn)行判斷（1為非常不同意，7為非常同意）。本文將對各個潛變量的構(gòu)建方法和過程進(jìn)行詳細(xì)說明。

1）基層政府信任

基于以往信任相關(guān)文獻(xiàn)的模型測度方法[18,25]，本文對基層政府信任構(gòu)建了“反映型-反映型”二階模型（即一階和二階均為反映型模型）。基層政府信任通過能力、善意和誠信三個具體維度反映，分別考察公民對相關(guān)基層政府部門能力與專業(yè)性、善意與關(guān)懷和言行一致的感知。本文采用這三個一階反映型變量（各包含5個具體題項）來構(gòu)建基層政府信任，具體題項如表2所示。

2）隱私擔(dān)憂

Malhotra等[3]關(guān)注互聯(lián)網(wǎng)用戶隱私擔(dān)憂問題，提出隱私擔(dān)憂由收集（collection）、控制（control）和意識（awareness）三個要素構(gòu)成。結(jié)合在新冠肺炎疫情事件中的適用性，基層政府的信息收集行為是此次公民隱私擔(dān)憂的關(guān)鍵。因此，基于此次突發(fā)重大疫情中公民對相關(guān)基層政府部門收集個人信息的隱私擔(dān)憂，本文采用收集這一個要素來測量隱私擔(dān)憂，具體3個測量題項如表2所示。

3）感知風(fēng)險

感知風(fēng)險的測量主要參考Xu等[35]的研究，測量公民認(rèn)為向相關(guān)基層政府部門披露個人信息可能造成巨大損失的程度，包括4個題項，即會帶來被騷擾或歧視的風(fēng)險；會帶來人際交往或生活等方面的損失；會使正常生活有太多的不確定性；會給自身帶來麻煩。

4）感知利益

感知利益的測量主要參考Xu等[35]的研究，測量公民認(rèn)為向相關(guān)基層政府部門披露個人信息可能獲得利益的程度，包括3個題項，即降低了個人被傳染或傳染他人的可能性；為個人了解自己是否被傳染或傳染他人提供了便利；整體上說，對個人是有益的。

5）信息不披露意愿

公民信息不披露意愿主要參考Stewart等[39]、Mutimukwe等[4]的研究，測量在此次新冠肺炎疫情中，公民不愿意向相關(guān)基層政府部門披露個人信息的程度?？紤]在此次新冠肺炎疫情中，公民不披露信息的表現(xiàn)除了不愿意提供個人信息外，還有可能隱瞞、修改或提供虛假個人信息。因此，信息不披露意愿包括4個測量題項，即拒絕提供個人信息；會采取行動將個人信息從統(tǒng)計名單中移除；會拒絕相關(guān)政府部門訪問；會隱瞞、修改或提供虛假的個人信息。

本文的控制變量包括性別、受教育水平、年齡、返鄉(xiāng)區(qū)域和以往隱私侵犯經(jīng)歷，這些都可能會影響到公民信息不披露意愿。其中，以往隱私侵犯經(jīng)歷采用李克特7點量表，公民分別回答對“以前遭到不恰當(dāng)?shù)那址鸽[私行為的頻繁程度高”的同意程度（1為非常不同意，7為非常同意）。

表2 信度和效度檢驗結(jié)果

4.4 共同方法偏差檢驗

共同方法偏差，是指在同樣的測量環(huán)境、項目語境、研究本身特征以及被同樣的調(diào)研對象所造成的自變量與因變量之間人為的共變，是一種系統(tǒng)誤差，而這種共變會對研究結(jié)果產(chǎn)生誤導(dǎo)或混淆[40-41]。在本研究中，構(gòu)念測量的結(jié)果來自同一被調(diào)研者，即有可能產(chǎn)生共同方法偏差，故本文對樣本的數(shù)據(jù)進(jìn)行了檢驗，檢查是否存在上述偏差。首先，本研究進(jìn)行Harman單因素檢驗，結(jié)果顯示第一個因子占所有解釋變量的38.62%，小于50%的閾值。其次，采用標(biāo)簽變量的方法[41]，本研究在設(shè)計問卷時納入標(biāo)簽變量（個體主義/集體主義的文化維度），并計算每個變量的偏相關(guān)系數(shù)。研究結(jié)果顯示，通過共同方法偏差調(diào)整后的相關(guān)系數(shù)與原相關(guān)系數(shù)沒有發(fā)生顯著變化（r≤0.064，p＞0.10）。進(jìn)一步利用共同方法偏差調(diào)整后的相關(guān)系數(shù)計算模型回歸系數(shù)的前后變化，結(jié)果同樣顯示主要因變量回歸系數(shù)的前后差異在0.08～0.11范圍內(nèi)（卡方檢驗不顯著，p＞0.10）。綜上所述，本文的研究結(jié)果不存在顯著的共同方法偏差。

4.5 分析策略

本文采用結(jié)構(gòu)方程模型（structural equation model，SEM）對研究模型和假設(shè)進(jìn)行驗證。目前，學(xué)術(shù)界主要存在兩種結(jié)構(gòu)方程模型估計方法：基于協(xié)方差的結(jié)構(gòu)方程模型（covariance-based SEM）和基于方差的結(jié)構(gòu)方程模型（variance-based SEM）。近年來，有研究者認(rèn)為，基于方差的結(jié)構(gòu)方程模型，例如，PLS-SEM存在估計不一致的問題。然而，PLS-SEM更加適用于探索性的預(yù)測研究，并能夠更有效的處理非正態(tài)樣本數(shù)據(jù)。研究者發(fā)展了一致性（consistent）的PLS（partial least square）方法來進(jìn)行估計（用PLSc表示）[42]。PLSc估計方法是使用漸近正態(tài)估計（asymptotically normal estimators）。PLSc核心的計算方式為兩階段最小平方法（two stage least square，2SLS），2SLS可以各自估計每一個方程，是一種使用有限信息的技術(shù)[43]。本文采用Smart PLS 3.0軟件進(jìn)行數(shù)據(jù)處理，為了保證估計一致性，分別采用一致性的PLS估計算法和一致性的PLS拔靴法（Bootstrapping）對模型進(jìn)行驗證。

5 數(shù)據(jù)結(jié)果

5.1 測量模型結(jié)果

首先，本文分析反映型潛變量的信度和效度。關(guān)于信度方面，本研究采用Cronbach'sα系數(shù)與組合信度（composite reliability，CR）進(jìn)行信度檢驗。如表2所示，主 要 構(gòu)念的Cronbach'sα系數(shù)與CR值在0.812～0.959，表明各個變量的信度都較高[44]。關(guān)于效度方面，測量模型中各個變量的因子負(fù)載均在0.6以上（其中，二階反映型構(gòu)念即基層政府信任的3個一階反映型變量的因子負(fù)載也在0.6以上，如圖2所示），均符合因子載荷的門檻值。同時，主要構(gòu)念的平均方差提取值（average variance extracted，AVE）均大于0.5，表明本研究的測量模型具有良好的收斂效度，如表2所示。此外，各變量的AVE的平方根均大于各個潛變量之間的相關(guān)系數(shù)，如表3所示。因此，本研究的量表具有較高的區(qū)分效度[44]。

圖2 基層政府信任的二階反映型模型

表3 相關(guān)系數(shù)和AVE平方根

5.2 結(jié)構(gòu)模型結(jié)果

本研究中基層政府信任被設(shè)計為“反映型-反映型”二階模型。根據(jù)前人研究的慣例[45-46]，采用兩階段偏最小二乘法估計結(jié)構(gòu)模型。具體來說，第一步，估計所有一階潛變量的變量得分；第二步，將所有的一階潛變量得分作為觀測項目代入結(jié)構(gòu)模型并求出估計結(jié)果。為了得到一致性的估計結(jié)果，第二步采用一致性（consistent）的PLS方法（Bootstrapping，N=5000）進(jìn)行路徑分析，路徑分析結(jié)果如圖3所示。模型的SRMR指標(biāo)值為0.073，表明模型的擬合度較好[47]。

圖3 模型結(jié)果

結(jié)果模型的檢驗結(jié)果表明：①基層政府信任顯著負(fù)向影響隱私擔(dān)憂（β=-0.158；p＜0.05），并顯著正向影響感知利益（β=0.600；p＜0.001），然而，對感知風(fēng)險的負(fù)向作用不顯著（β=-0.011；p＞0.10），因此，結(jié)果驗證了假設(shè)H2和H3，而H1沒有得到支持；②隱私擔(dān)憂顯著正向影響感知風(fēng)險（β=0.454；p＜0.001），而對感知利益的負(fù)向作用不顯著（β=-0.088；p＞0.10），驗證了假設(shè)H4，而H5沒有得到支持；③感知風(fēng)險（β=0.237；p＜0.001）和隱私擔(dān)憂（β=0.204；p＜0.01）均顯著正向影響公民信息不披露意愿，感知利益則顯著負(fù)向影響公民信息不披露意愿（β=-0.127；p＜0.01），驗證了假設(shè)H6、H7和H8。另外，除了性別以外，其余四個控制變量對公民信息不披露意愿沒有顯著影響。

最后，本文使用Blindfolding程序分析主要因變量的預(yù)測相關(guān)性。數(shù)據(jù)結(jié)果顯示，所有因變量的q2均大于0（0.024～0.349），且大部分因變量達(dá)到了強(qiáng)預(yù)測相關(guān)性的門檻值0.35[48]。

5.3 進(jìn)一步分析

本部分進(jìn)一步檢驗?zāi)Ｐ偷闹薪樾?yīng)。本文采用Bootstrapping來檢驗隱私擔(dān)憂、感知風(fēng)險和感知利益的中介作用。本研究將Bootstrapping的再抽樣次數(shù)設(shè)置為5000次。中介分析結(jié)果如表4所示。研究結(jié)果顯示：①隱私擔(dān)憂在基層政府信任對公民信息不披露意愿的影響過程中的中介作用顯著（基層政府信任→隱私擔(dān)憂→信息不披露意愿）；②感知風(fēng)險在隱私擔(dān)憂對公民信息不披露意愿的影響過程中的中介作用顯著（隱私擔(dān)憂→感知風(fēng)險→信息不披露意愿）；③隱私擔(dān)憂和感知風(fēng)險在基層政府信任對公民信息不披露意愿的影響過程中的中介作用顯著（基層政府信任→隱私擔(dān)憂→感知風(fēng)險→信息不披露意愿）；④感知利益在基層政府信任對公民信息不披露意愿的影響過程中的中介作用顯著（基層政府信任→感知利益→信息不披露意愿）。最終發(fā)現(xiàn)了隱私擔(dān)憂、感知風(fēng)險和感知利益在基層政府信任和公民信息不披露意愿之間的關(guān)鍵中介作用。

表4 中介效應(yīng)的Bootstrapping分析

6 結(jié)果與討論

6.1 主要發(fā)現(xiàn)

1）基層政府信任對于機(jī)體感知的作用

本文發(fā)現(xiàn)基層政府信任對于機(jī)體感知（包括隱私擔(dān)憂、感知利益和感知風(fēng)險）的具體作用機(jī)制。首先，基層政府信任正向影響公民感知利益。公民對于基層政府信任度越高，將會促進(jìn)其對于信息披露的感知利益。具體來說，對于基層政府在能力、善意和誠信三個維度形成的先驗知識越正向，公民越會認(rèn)為信息披露的利益高?，F(xiàn)有文獻(xiàn)主要引入隱私計算理論研究感知利益對用戶在線網(wǎng)站使用意愿或信息披露意愿的積極影響，忽略了用戶固有信任對感知利益的積極影響[33,49]。本文進(jìn)一步擴(kuò)展了該類文獻(xiàn)，發(fā)現(xiàn)了基層政府信任對于公民感知利益的增益作用。其次，本文還發(fā)現(xiàn)基層政府信任負(fù)向影響公民隱私擔(dān)憂。因此，公民對于基層政府的信任度越高，將能夠降低其對于基層政府信息收集的隱私擔(dān)憂。當(dāng)前文獻(xiàn)主要采用聯(lián)想者模型研究隱私擔(dān)憂對信任的負(fù)向作用，認(rèn)為信任是隱私擔(dān)憂的主觀反映[10-11]，忽略了公民基層政府信任對于隱私擔(dān)憂的負(fù)向作用，本文的發(fā)現(xiàn)進(jìn)一步擴(kuò)展了信任因果鏈模型的適用情境。最后，基層政府信任對于感知風(fēng)險的負(fù)向作用不顯著，即該負(fù)向作用沒有得到證實。這表明了基層政府信任的提高對于降低公民感知風(fēng)險不起作用，這可能是由于隱私擔(dān)憂中介作用的存在，即基層政府信任主要通過降低公民的隱私擔(dān)憂而進(jìn)一步影響感知風(fēng)險。

2）隱私擔(dān)憂對于感知風(fēng)險和感知利益的作用

本文發(fā)現(xiàn)了公民隱私擔(dān)憂對于感知風(fēng)險和感知利益的作用機(jī)制。一方面，隱私擔(dān)憂正向影響感知風(fēng)險，即公民對于基層政府信息收集的隱私擔(dān)憂程度越高，就越容易提升其對于相關(guān)風(fēng)險的感知。先前信息披露意愿文獻(xiàn)主要研究在電子商務(wù)、社交媒體、電子政務(wù)使用情境下隱私擔(dān)憂和感知風(fēng)險的關(guān)系，發(fā)現(xiàn)隱私擔(dān)憂正向影響感知風(fēng)險[17,49]，也有文獻(xiàn)發(fā)現(xiàn)感知風(fēng)險正向影響隱私擔(dān)憂[4]。同時，本文發(fā)現(xiàn)突發(fā)重大疫情下公民信息不披露意愿研究中隱私擔(dān)憂對感知風(fēng)險的正向影響。另一方面，本研究發(fā)現(xiàn)隱私擔(dān)憂對于感知利益的負(fù)向作用不顯著，這表明了在此次新冠病毒疫情中，公民對信息披露的感知利益并不會受到隱私擔(dān)憂的影響。這可能是因為突發(fā)重大疫情背景下公民對信息披露相關(guān)利益的感知主要為降低傳染可能性等，是政府和公民認(rèn)可的、確定的生命健康利益，公民并不會因?qū)鶎诱畔⑹占碾[私擔(dān)憂而降低對利益的感知。

3）機(jī)體感知對于信息不披露意愿的作用

本文證實了機(jī)體感知對于信息不披露意愿的影響機(jī)制。首先，研究發(fā)現(xiàn)感知風(fēng)險正向影響信息不披露意愿，即如果公民感知到信息披露后存在著一定風(fēng)險（如信息泄露等），則會促進(jìn)其信息不披露意愿?，F(xiàn)有文獻(xiàn)主要研究電子商務(wù)、社交媒體和電子政務(wù)使用場景下感知風(fēng)險對信息披露意愿的影響[4,17,33]。其中，部分文獻(xiàn)發(fā)現(xiàn)感知風(fēng)險對信息披露意愿的間接作用，認(rèn)為感知風(fēng)險通過隱私擔(dān)憂、信息披露態(tài)度等影響信息披露意愿[49]。本文則發(fā)現(xiàn)在突發(fā)重大疫情下，感知風(fēng)險對公民信息不披露意愿的直接作用機(jī)制。其次，研究結(jié)果顯示感知利益負(fù)向影響信息不披露意愿，即公民對于信息披露的感知利益越高，越會降低其信息不披露意愿?，F(xiàn)有文獻(xiàn)主要研究用戶對在線網(wǎng)站的感知利益，一類將感知利益作為總體的感知[11,33]；另一類將感知利益分為多個維度[49]，如社交網(wǎng)站的感知有用性和感知易用性[16]等。本文發(fā)現(xiàn)突發(fā)重大疫情下公民信息披露的感知利益主要來自公民對信息披露收益的總體感知，并發(fā)現(xiàn)了感知利益對公民信息不披露意愿的消極影響。最后，研究結(jié)果顯示，隱私擔(dān)憂正向影響信息不披露意愿。這說明了如果基層政府在信息收集過程中存在著令公民擔(dān)憂的問題，將會增強(qiáng)其信息不披露意愿。當(dāng)前文獻(xiàn)主要在電子商務(wù)、社交媒體和電子政務(wù)使用場景下，研究用戶對信息收集、未授權(quán)訪問、不恰當(dāng)訪問和錯誤的擔(dān)憂程度對信息披露意愿的直接或間接影響[10,32]，或者分別測量對信息的隱私擔(dān)憂和對交互的隱私擔(dān)憂對信息披露意愿的間接影響[17]。本文識別了此次突發(fā)重大疫情下公民隱私擔(dān)憂來自信息收集的總體擔(dān)憂程度，區(qū)別于感知風(fēng)險（即信息濫用可能導(dǎo)致的風(fēng)險損失，如未授權(quán)訪問、不恰當(dāng)訪問的風(fēng)險），并發(fā)現(xiàn)了公民隱私擔(dān)憂對信息不披露意愿的直接正向影響。

除此之外，本文還發(fā)現(xiàn)了隱私擔(dān)憂、感知風(fēng)險和感知利益在基層政府信任和公民信息不披露意愿之間的重要中介作用。這表明公民的信息不披露意愿將直接受到這三個機(jī)體感知的影響，即公民需要通過計算這三者的感知程度后，再進(jìn)行信息披露與否的相關(guān)行為。隱私計算研究發(fā)現(xiàn)，當(dāng)用戶被要求披露個人信息時，其會進(jìn)行風(fēng)險和收益的計算。其中，部分文獻(xiàn)將感知利益和感知風(fēng)險分別作為信息披露的驅(qū)動因素和阻礙因素[35,38]，或研究感知利益和感知成本（即隱私擔(dān)憂）的作用[5]。本文則從機(jī)體感知角度綜合分析感知風(fēng)險、感知利益和隱私擔(dān)憂對信息不披露意愿的直接影響。

6.2 理論貢獻(xiàn)

本研究包括三個方面的理論貢獻(xiàn)。首先，本文基于突發(fā)重大疫情的自然實驗情境，研究強(qiáng)制信息披露情況下，疫區(qū)返鄉(xiāng)人員的隱私擔(dān)憂和信息不披露意愿，有利于補(bǔ)充互聯(lián)網(wǎng)背景下的有關(guān)隱私擔(dān)憂和信息披露意愿的研究。以往在網(wǎng)絡(luò)環(huán)境下的用戶隱私披露文獻(xiàn)，側(cè)重自愿披露環(huán)境下使用互聯(lián)網(wǎng)工具（如社交媒體、電子商務(wù)和電子政務(wù)等網(wǎng)站）的隱私擔(dān)憂和信息披露意愿[1,5-6]。其次，本文基于能力、善意和誠信三個一階維度來構(gòu)建基層政府信任的二階變量，從基層政府信任角度探索突發(fā)重大疫情下疫區(qū)返鄉(xiāng)人員信息不披露意愿的具體作用機(jī)制。最后，本文通過引入S-O-R理論框架，較好地解釋了疫區(qū)返鄉(xiāng)人員形成信息不披露意愿的內(nèi)在作用機(jī)理，發(fā)現(xiàn)了基層政府信任、機(jī)體感知（包括隱私擔(dān)憂、感知風(fēng)險和感知利益）和信息不披露意愿的具體作用機(jī)制，進(jìn)一步驗證了信任因果鏈模型的適用范圍[18,20]。

6.3 政策建議

本文的研究結(jié)論有三個方面的政策建議。首先，突發(fā)重大疫情背景下，基層政府信任對于促進(jìn)公民的信息披露意愿起到了啟動器的作用，基層政府信任能夠降低公民的隱私擔(dān)憂，增加公民的感知利益。因此，相關(guān)基層政府在日常工作時需要提升其在公民心中的形象，從能力、善意和誠信三個維度提升基層政府在公眾的信任度。例如，①在能力維度，基層政府應(yīng)及時下達(dá)并落實上級政府政策和指令，深入學(xué)習(xí)并結(jié)合基層實際，有條理、有計劃地安排信息收集。同時，基層政府可以借助當(dāng)?shù)卣W(wǎng)站、微信官方公眾號或微博官方賬號，及時、準(zhǔn)確、客觀地發(fā)布公開、透明信息（包括計劃安排、完成成果等）。②在善意方面，基層政府應(yīng)多深入社區(qū)、街道，加強(qiáng)與公民的溝通，關(guān)心公民的生活情況和訴求?；鶎诱€可以積極利用社交媒體和公民互動，特別是在節(jié)日通過更多有趣、親民的方式（圖片、短視頻）表達(dá)對公民健康、生活的關(guān)心。③在誠信方面，基層政府應(yīng)多用照片和視頻的形式記錄工作進(jìn)展，并及時通過自身渠道或第三方媒體報道成果，還可以通過自身渠道收集公民投訴和意見后，及時反饋和實施解決方案，以此反映基層政府的言行一致性。

其次，隱私擔(dān)憂和感知風(fēng)險是公民信息不披露意愿的主要前置因素?；鶎诱送ㄟ^提升自身在公民中的信任度外，還應(yīng)注意信息收集和存儲過程中的信息保護(hù)問題，例如，基層政府應(yīng)成立信息監(jiān)督組進(jìn)行信息收集和存儲的監(jiān)察工作，防止個人利用職責(zé)之便泄露個人隱私。此外，基層政府應(yīng)使用官方的信息收集和存儲工具，加強(qiáng)隱私保護(hù)技術(shù)，避免第三方侵犯隱私行為。除了隱私保護(hù)措施外，基層政府還應(yīng)根據(jù)國家政府和當(dāng)?shù)貙嶋H制定完善的信息收集、披露方案和相應(yīng)法律法規(guī)，將其及時地公布在官方渠道（如當(dāng)?shù)卣W(wǎng)站、微信公眾號），加強(qiáng)報道突發(fā)重大疫情下，違反信息收集和披露方案所被嚴(yán)懲的案例，降低公民的隱私擔(dān)憂和感知風(fēng)險，進(jìn)而增強(qiáng)公民的信息披露意愿。

最后，公民信息披露的感知利益將能夠促進(jìn)其相關(guān)信息的披露。因此，基層政府需要有效地宣傳信息披露的收益。例如，在社交媒體上報道因為披露患者行程信息，對所追蹤到的密切接觸者采取及時有效的隔離措施，從而避免更大面積感染的案例。增強(qiáng)公民信息披露意愿，減少或提前干預(yù)自身或家人的感染。

7 結(jié)論

本文基于刺激-機(jī)體-響應(yīng)框架，結(jié)合湖北疫區(qū)返鄉(xiāng)公民的一手調(diào)查數(shù)據(jù)，具體分析了基層政府信任、機(jī)體感知（包括隱私擔(dān)憂、感知風(fēng)險和感知利益）和公民的信息不披露意愿的作用過程。研究結(jié)果發(fā)現(xiàn)：①在基層政府信任對于機(jī)體感知的作用關(guān)系中，基層政府信任正向影響感知利益，基層政府信任負(fù)向影響隱私擔(dān)憂，基層政府信任對于感知風(fēng)險的負(fù)向作用不顯著；②在隱私擔(dān)憂對于感知風(fēng)險和感知利益的作用關(guān)系中，隱私擔(dān)憂正向影響感知風(fēng)險，隱私擔(dān)憂對于感知利益的負(fù)向作用不顯著；③在機(jī)體感知對于信息不披露意愿的作用關(guān)系中，感知風(fēng)險和隱私擔(dān)憂正向影響信息不披露意愿，感知利益負(fù)向影響信息不披露意愿。本研究結(jié)果有利于幫助相關(guān)基層政府在突發(fā)重大疫情下有效地促進(jìn)公民信息披露意愿和提升政府服務(wù)滿意度。

另外，本文也存在一定的局限性：第一，本文的數(shù)據(jù)主要采集時間為武漢等湖北省重要城市封城一周后，未來研究可以考慮縱貫研究方法，探索在不同疫情時間點中公民對于基層政府信任、隱私擔(dān)憂和信息披露意愿的感知和態(tài)度，有利于挖掘公民相關(guān)態(tài)度的動態(tài)變化。第二，本文考慮疫區(qū)公民流動到非疫區(qū)的基層政府信任和信息披露行為，未來可以重點探索疫區(qū)公民（如武漢市）在此次突發(fā)重大疫情的相關(guān)態(tài)度和信息行為。