張凱亮 臧國全 路杭霖 于政杰

摘 要：[目的/意義]基于社交網(wǎng)絡(luò)用戶自我披露的歷史數(shù)據(jù)，挖掘用戶人格特質(zhì)與其自我披露水平的內(nèi)在關(guān)聯(lián)，為社交網(wǎng)絡(luò)平臺制定差異化運營策略、提高用戶自我披露水平提供參考，促進(jìn)社交網(wǎng)絡(luò)平臺的健康快速發(fā)展。[方法/過程]以新浪微博為例，采用網(wǎng)絡(luò)爬蟲抓取用戶的歷史數(shù)據(jù)，統(tǒng)計其自我披露水平;將大五人格模型與LIWC詞典相結(jié)合，構(gòu)建LIWC特征詞與五類人格特質(zhì)的映射關(guān)系，依據(jù)用戶的實際微博文本計算其人格特質(zhì);結(jié)合上述兩個結(jié)果，探索用戶人格特質(zhì)與其自我披露水平的關(guān)聯(lián)。[結(jié)果/結(jié)論]社交網(wǎng)絡(luò)用戶自我披露水平與其人格特質(zhì)之間存在關(guān)聯(lián)性。外向性與開放性人格特質(zhì)與用戶自我披露的整體水平顯著正相關(guān);盡責(zé)性和神經(jīng)質(zhì)性人格特質(zhì)與用戶自我披露的整體水平顯著負(fù)相關(guān)，但神經(jīng)質(zhì)性人格特質(zhì)與公開發(fā)布微博比例顯著正相關(guān);宜人性人格特質(zhì)與用戶公開發(fā)布微博比例顯著負(fù)相關(guān)，但與用戶自我披露的整體水平無顯著相關(guān)性。

關(guān)鍵詞：社交網(wǎng)絡(luò);微博用戶;人格特質(zhì);自我披露;差異化運營策略

DOI：10.3969/j.issn.1008-0821.2022.06.005

〔中圖分類號〕G252.0 〔文獻(xiàn)標(biāo)識碼〕A 〔文章編號〕1008-0821（2022）06-0049-08

Abstract：[Purpose/Significance]Based on the historical data of social network users，this paper explores the internal correlation between users personality traits and their self-disclosure level，which can provide reference for social network platforms to formulate differentiated operation strategies and improve users self-disclosure level，so as to promote the healthy and rapid development of social network platforms.[Method/Process]Sina Weibo was selected as the representative of social network platform，and historical data of users were captured by web crawler technology，and their self-disclosure level was calculated;Based on LIWC psychological dictionary，the mapping relationship between LIWC feature words and five personality traits was constructed，and the personality traits of users were calculated according to their weibo posts;Combined with the above two results，the relationship between users personality traits and their self-disclosure level was explored.[Result/Conclusion]Social network users self-disclosure level is correlated with their personality traits.Extroversion and openness are positively correlated with the overall level of users self-disclosure.Conscientiousness and neuroticism were negatively correlated with the overall level of users self-disclosure，but neuroticism was positively correlated with the proportion of public microblog.The personality trait of agreeableness is negatively correlated with the proportion of users microblog Posting，but not with the overall level of users self-disclosure.

Key words：social network;Weibo users;personality traits;self-disclosure;differentiated operation strategy

社交網(wǎng)絡(luò)的發(fā)展主要依賴于用戶自我披露，即用戶自愿、主動地將個人信息向他人展示并分享的行為。然而，近幾年用戶隱私被泄露的案例屢見不鮮（例如“劍橋分析丑聞[1]”“1.59億LinkedIn用戶數(shù)據(jù)泄露事件[2]”等），對用戶的自我披露水平產(chǎn)生了負(fù)向影響。因此，如何有效提升用戶自我披露水平，進(jìn)而向其提供更高水平的個性化服務(wù)，成為當(dāng)前社交網(wǎng)絡(luò)平臺的發(fā)展瓶頸。已有較多研究基于隱私計算理論[3]、計劃行為理論[4]、溝通隱私管理理論[5]以及社會交換[6]等理論，驗證了感知風(fēng)險、感知收益、人口統(tǒng)計學(xué)等因素與用戶自我披露的關(guān)聯(lián)。也有一些研究[7-10]探索了用戶人格特質(zhì)與其自我披露的關(guān)系，但幾乎均采用問卷調(diào)查法獲取用戶人格特質(zhì)和自我披露水平的主觀報告結(jié)果，據(jù)此進(jìn)行相關(guān)性分析。然而，不少研究已表明[11]，問卷調(diào)查法可能存在假設(shè)性偏誤問題。66DBC426-1084-4E1A-B9AE-31DE04CCCD64

鑒于此，本研究基于社交網(wǎng)絡(luò)用戶的行為數(shù)據(jù)，探索其人格特質(zhì)與自我披露水平的關(guān)聯(lián)，得出結(jié)論應(yīng)該更客觀真實。社交網(wǎng)絡(luò)保存著大量用戶自我披露的歷史數(shù)據(jù)，一方面，可統(tǒng)計出用戶的自我披露水平;另一方面，用戶自我披露內(nèi)容是其人格特質(zhì)的真實表達(dá)，可據(jù)此挖掘出其人格特質(zhì)。因此，本研究使用網(wǎng)絡(luò)爬蟲獲取用戶自我披露的歷史數(shù)據(jù)，以大五人格模型為框架，挖掘用戶的人格特質(zhì)，統(tǒng)計其自我披露水平，測度用戶人格特質(zhì)與其自我披露水平的關(guān)聯(lián)程度，探索用戶人格特質(zhì)與自我披露的內(nèi)在機(jī)理。研究成果可為社交網(wǎng)絡(luò)運營商制定差異化運營策略、提高用戶自我披露水平提供幫助，從而促進(jìn)社交網(wǎng)絡(luò)平臺的健康快速發(fā)展。

1 文獻(xiàn)綜述

學(xué)界已從社會學(xué)、心理學(xué)、傳播學(xué)等不同理論和視角，對用戶自我披露進(jìn)行了大量研究。本文篩選出在社交網(wǎng)絡(luò)情景下用戶自我披露的代表性研究，對其采用的理論基礎(chǔ)與研究變量進(jìn)行歸納總結(jié)，如表1所示。

根據(jù)表1，現(xiàn)有研究將用戶自我披露的主要影響因素歸納為“感知風(fēng)險和感知收益（基于隱私計算理論）”“行為態(tài)度、主觀規(guī)范和感知控制（基于計劃行為理論）”“隱私規(guī)則、信任和感知控制（基于溝通隱私管理理論）”“感知風(fēng)險、感知收益和信任（基于社會交換理論）”等。總結(jié)已有文獻(xiàn)的研究思路，可分為兩種：①以單一理論為基礎(chǔ)框架，引入新變量或重新定義已有變量，構(gòu)建新的研究模型。例如，李綱等[13]在隱私計算理論的基礎(chǔ)上，引入信任變量，并將信任劃分為對社交網(wǎng)絡(luò)的信任和對社交網(wǎng)絡(luò)用戶的信任，以此分析用戶自我披露行為;②多種理論相結(jié)合，從中選取部分變量，構(gòu)建不同的研究模型。例如，Xu F等[12]基于隱私計算理論和計劃行為理論，分析了社交網(wǎng)站用戶自我披露行為;郭海玲等[15]將隱私計算理論與溝通隱私管理理論相結(jié)合，構(gòu)建了社會化媒體環(huán)境下用戶自我披露研究模型。

隨著相關(guān)研究逐漸增多，也有學(xué)者開始關(guān)注人格特質(zhì)與自我披露之間的關(guān)系。比如，Chen X等[7]將人格特質(zhì)作為調(diào)節(jié)變量，分析社會資本對用戶自我披露的影響;Amichai-Hamburger Y等[8]調(diào)查發(fā)現(xiàn)，F(xiàn)acebook用戶的行為數(shù)據(jù)與人格特質(zhì)存在相關(guān)性，開放型用戶會公布更多個人信息;Bansal G等[9]在不同情境下，證明人格特質(zhì)通過信任間接影響用戶自我披露水平;劉百靈等[10]通過對社會化商務(wù)用戶自我披露的研究，發(fā)現(xiàn)人格特質(zhì)對用戶自我披露行為有顯著影響。然而，已有研究結(jié)論并不完全一致。比如，Correa T等[18]和Gosling S D等[19]的研究表明，外向型用戶更愿意使用社交網(wǎng)絡(luò)與他人交流;而Moore K等[20]認(rèn)為，內(nèi)向型用戶反而更有可能在社交網(wǎng)絡(luò)中披露更多個人信息。

本研究認(rèn)為，上述研究結(jié)論不一致的原因是現(xiàn)有研究幾乎均采用問卷調(diào)查獲取用戶的人格特質(zhì)和自我披露水平，而問卷調(diào)查法可能存在假設(shè)性偏誤[11]，由此導(dǎo)致研究結(jié)果存在差異。為解決現(xiàn)有研究在研究方法上可能產(chǎn)生的偏差，本研究擬使用網(wǎng)絡(luò)爬蟲獲取、挖掘用戶的自我披露數(shù)據(jù)，探究用戶人格特質(zhì)與自我披露水平之間的內(nèi)在聯(lián)系。該方法的優(yōu)點在于，網(wǎng)絡(luò)爬蟲獲取的是用戶的歷史行為數(shù)據(jù)，而問卷調(diào)查獲得的是用戶自我報告的數(shù)據(jù)，相較之下，前者的數(shù)據(jù)體量大，且相對真實，能夠更客觀反映用戶自我披露行為。

2 理論基礎(chǔ)與研究工具

2.1 大五人格模型

人格（Personality）是指個體氣質(zhì)、情感、態(tài)度以及行為反應(yīng)模式的整合，且穩(wěn)定存在[21]。特質(zhì)（Trait）是人格最基本的建構(gòu)單元，是一種相對穩(wěn)定的、持久的傾向，所有特質(zhì)按其重要程度排序構(gòu)成人格整體[22]。心理學(xué)家通過詞匯學(xué)的方法探索人格的描述詞匯，發(fā)現(xiàn)有5種特質(zhì)可涵蓋人格描述的所有方面，分別為開放性（Openness）、盡責(zé)性（Conscientiousness）、宜人性（Agreeableness）、外向性（Extraversion）與神經(jīng)質(zhì)性（Neuroticism）。這5種人格特質(zhì)經(jīng)過心理學(xué)界不斷的重復(fù)發(fā)現(xiàn)和反復(fù)驗證，最終成為心理學(xué)領(lǐng)域公認(rèn)的人格特質(zhì)模型，即大五人格模型[23]。關(guān)于大五人格特質(zhì)的相關(guān)描述，如表2所示。

該模型提供了一個人格定義框架，統(tǒng)一了個體在人格方面的差異，在不同年齡、性別和文化中具有普遍性，不同的心理學(xué)測試方法不會改變大五人格模型的有效性，因而得到廣泛應(yīng)用。如今，大五人格模型被譽(yù)為“人格心理學(xué)里通用的貨幣”，是對人格特質(zhì)最理想的描述之一[24]。

本研究探索用戶自我披露水平與其人格特質(zhì)的關(guān)聯(lián)，首要問題就是獲取用戶的人格特質(zhì)。鑒于大五人格模型應(yīng)用的廣泛性，本研究選擇該模型作為基礎(chǔ)框架，調(diào)查用戶在大五類人格特質(zhì)維度上的實際表現(xiàn)。

2.2 “語言探索與字詞計數(shù)”詞典

“語言探索與字詞計數(shù)”詞典（Linguistic Inquiry and Word Count，LIWC）由心理學(xué)家Pennebaker J W[25]于1990年開發(fā)，用于文本詞語的量化分析。隨后，中國臺灣學(xué)者黃金蘭等對LIWC詞典進(jìn)行翻譯、改編，形成LIWC詞典中文版，使之適用于中文語境。最新的LIWC詞典于2015年更新，包含77個特征詞類，總計9 049個詞，示例如表3所示。

由于LIWC詞典具備良好的信效度，目前已被心理學(xué)領(lǐng)域廣泛應(yīng)用。本研究將LIWC詞典與大五人格模型相結(jié)合，基于LIWC詞典的規(guī)則對用戶自我披露的文本內(nèi)容進(jìn)行分詞、歸類，進(jìn)而計算用戶自我披露的文本內(nèi)容中蘊(yùn)含的人格特質(zhì)。

3 研究設(shè)計

據(jù)新浪官方統(tǒng)計[26]，截至2020年12月，新浪微博平均日活躍用戶為2.24億，已成為國內(nèi)主流的社交網(wǎng)絡(luò)平臺。因此，本研究以新浪微博為例，分析用戶人格特質(zhì)與其自我披露水平的關(guān)聯(lián)。

3.1 數(shù)據(jù)獲取

3.1.1 樣本數(shù)據(jù)項

根據(jù)網(wǎng)絡(luò)爬蟲的工作原理及本研究的實際需求，包括兩類樣本數(shù)據(jù)：66DBC426-1084-4E1A-B9AE-31DE04CCCD64

1）用戶的個人數(shù)據(jù)，指新浪微博允許用戶填寫的個人數(shù)據(jù)，包括基本信息、聯(lián)系信息、職業(yè)信息、教育信息和標(biāo)簽信息等。

2）用戶的歷史微博數(shù)據(jù)，包含用戶已發(fā)布的微博文本、發(fā)布微博時的位置標(biāo)簽、已發(fā)布的微博總數(shù)等。

3.1.2 用戶樣本選擇

從賬戶活躍度和賬戶實際運營者兩個維度選擇用戶樣本，理由如下：

1）賬戶活躍度。本研究基于用戶發(fā)布的微博文本計算其人格特質(zhì)，若其微博數(shù)量過少，計算結(jié)果可能不具備參考性。因此，本研究設(shè)定篩選標(biāo)準(zhǔn)為：賬戶注冊時間滿1年以上，且發(fā)布微博總數(shù)不低于50條。

2）賬戶實際運營者。根據(jù)新浪微博賬戶的實際運營者，可大致劃分為普通個體賬戶和機(jī)構(gòu)運營賬戶。以官方、明星或?qū)I(yè)博主為代表的機(jī)構(gòu)運營賬戶發(fā)布微博大多是商業(yè)或宣傳目的，不具備人格特質(zhì)。因此，用戶樣本不應(yīng)包含機(jī)構(gòu)運營賬戶。機(jī)構(gòu)運營賬戶的顯著特征之一是粉絲數(shù)量多，為降低篩選成本，本研究將粉絲數(shù)量大于5 000的賬戶判定為機(jī)構(gòu)運營賬戶，予以剔除。

3.2 LIWC詞典與大五人格的關(guān)系映射

Mairesse F等[27]通過問卷調(diào)查獲取用戶的大五人格特質(zhì)，并基于用戶即興回答的文本內(nèi)容，檢驗了LIWC詞典中每一類特征詞與大五人格特質(zhì)的相關(guān)性，該項研究成果已被廣泛應(yīng)用。本研究參考Mairesse F等的研究成果，選擇LIWC特征詞與人格特質(zhì)顯著相關(guān)（P<0.05）的相關(guān)性系數(shù)，作為LIWC特征詞在大五人格模型中每種人格特質(zhì)上的參考值。由于LIWC詞典包含77個特征詞類，正文無法詳細(xì)列舉，僅列舉部分特征詞與大五人格特質(zhì)的相關(guān)性系數(shù)作為示例，如表4所示。

3.3 人格特質(zhì)計算

1）文本清洗。用戶發(fā)布的原始微博文本為自然語言，需對其進(jìn)行過濾和清洗，主要是刪除“@用戶名”“#微博話題#”和廣告類微博。

2）文本分詞。利用Python的第三方庫“Jieba”對清洗后的微博文本進(jìn)行分詞，將用戶發(fā)布的微博長文本轉(zhuǎn)換為純詞組的文本，并統(tǒng)計詞頻總數(shù)，記為n。

3）詞組匹配。若微博詞組被LIWC詞典檢索命中，則直接賦予該詞組相應(yīng)的特征詞標(biāo)簽;反之，則計算該詞組與LIWC詞典中每類特征詞之間的語義相似度?；舅悸啡缦拢菏紫?，基于PaddleNLP提供的開源預(yù)訓(xùn)練詞向量模型“w2v.baidu_encyclopedia.target.word-word.dim300”[28]計算各類特征詞標(biāo)簽下所有詞的詞向量，將某一類特征詞標(biāo)簽下所有詞向量在各維度的均值作為該類特征詞標(biāo)簽的歐氏空間位置;其次，基于上述預(yù)訓(xùn)練詞向量模型獲取未被LIWC詞典檢索命中微博詞組的詞向量;最后，計算各類特征詞標(biāo)簽空間位置與該詞空間位置的余弦相似度，取相似度最高的特征詞標(biāo)簽作為該詞的類標(biāo)簽。

4）基于詞組匹配結(jié)果，統(tǒng)計用戶公開發(fā)布的微博文本中每類特征詞的詞頻，記為Fj（j∈[1，77]）。

5）人格特質(zhì)的分值計算。基于特征詞標(biāo)簽的賦值結(jié)果，以及表4的LIWC特征詞與大五人格特質(zhì)的映射關(guān)系，計算用戶在每一類人格特質(zhì)維度的分值，記為Pi（i={O，C，E，A，N}），見式（1）：

Pi=∑77j=1Kij*Fjn（1）

i={O，C，E，A，N}， j∈[1，77]

其中，Kij是第j類特征詞與第i類人格的相關(guān)性系數(shù)，F(xiàn)j是第j類特征詞的詞頻。

3.4 自我披露水平計算

已有研究從用戶發(fā)布微博文本的“語義維度”“空間維度”“數(shù)據(jù)權(quán)限”維度分析其自我披露水平，研究表明，用戶發(fā)布微博時設(shè)置的訪問權(quán)限和位置標(biāo)簽顯著影響其自我披露水平[29]。另外，微博平臺允許用戶自定義披露其個人數(shù)據(jù)，包括地區(qū)、性別、性取向、感情狀況、生日、血型、個人簡介、聯(lián)系方式、職業(yè)信息、教育信息和標(biāo)簽信息等個人數(shù)據(jù)項，但不同用戶選擇披露的個人數(shù)據(jù)項數(shù)量存在差異，即個人數(shù)據(jù)完整度不同。因此，本研究從“個人數(shù)據(jù)完整度”“公開發(fā)布微博比例”“公開發(fā)布微博中含位置標(biāo)簽的比例”3個維度計算用戶的自我披露水平。

1）個人數(shù)據(jù)完整度。微博平臺基于用戶實際披露的個人數(shù)據(jù)項數(shù)量，顯示其個人數(shù)據(jù)完整度（該完整度僅對賬號主體可見）。因此，可根據(jù)平臺設(shè)定的個人數(shù)據(jù)完整度，確定個人數(shù)據(jù)項的權(quán)重。首先，選擇一個示例賬戶，完整填寫所有的個人數(shù)據(jù)項，此時，平臺顯示該賬戶的個人數(shù)據(jù)完整度為100%;其次，逐一刪除單個數(shù)據(jù)項的內(nèi)容，導(dǎo)致平臺顯示的個人數(shù)據(jù)完整度改變，比如，刪除“教育經(jīng)歷”時，平臺顯示的個人數(shù)據(jù)完整度由“100%”降低至“85%”，由此確定“教育經(jīng)歷”數(shù)據(jù)項的權(quán)重為15%;最后，以此類推，確定所有數(shù)據(jù)項的權(quán)重。結(jié)果為：教育經(jīng)歷和工作經(jīng)歷的權(quán)重均為15%，出生日期、感情狀況、聯(lián)系方式和姓名的權(quán)重均為10%，性別、地區(qū)、性取向、血型、個人簡介和標(biāo)簽信息的權(quán)重均為5%。根據(jù)上述確定的個人數(shù)據(jù)項權(quán)重，統(tǒng)計用戶實際披露的個人數(shù)據(jù)項數(shù)量，計算其個人數(shù)據(jù)完整度。

2）公開發(fā)布微博比例。微博平臺允許用戶自定義其微博內(nèi)容的訪問權(quán)限，包括所有人可見、粉絲可見、好友圈可見和僅自己可見等。研究表明[30-31]，將自我披露數(shù)據(jù)訪問權(quán)限的設(shè)定權(quán)賦予用戶本人，能有效緩解用戶隱私焦慮。根據(jù)網(wǎng)絡(luò)爬蟲的工作原理，作為一名普通用戶訪問目標(biāo)用戶的微博主頁時，可抓取用戶的“已發(fā)布微博總數(shù)”信息，但僅能訪問（抓?。┯脩魧⒃L問權(quán)限設(shè)置為所有人可見的微博。故，用戶公開發(fā)布微博數(shù)與已發(fā)布微博總數(shù)的比例是該用戶設(shè)定其自我披露數(shù)據(jù)的訪問權(quán)限的直接體現(xiàn)，也反映其自我披露水平。

3）公開發(fā)布微博中含位置標(biāo)簽的比例。用戶發(fā)布微博時可選擇是否添加位置標(biāo)簽，研究表明[32]，基于用戶的位置數(shù)據(jù)與其他公開數(shù)據(jù)，可能關(guān)聯(lián)分析出用戶未披露的其他敏感信息甚至構(gòu)建用戶畫像。因此，用戶對其位置數(shù)據(jù)具有較高的隱私敏感度，用戶發(fā)布微博時是否添加位置標(biāo)簽的行為也能反映其自我披露水平。故，統(tǒng)計用戶公開發(fā)布微博中含位置標(biāo)簽的比例，作為衡量用戶自我披露水平的一個維度。66DBC426-1084-4E1A-B9AE-31DE04CCCD64

綜上，本研究以上述3個子維度的均值作為用戶自我披露的整體水平。

4 數(shù)據(jù)統(tǒng)計與分析

4.1 數(shù)據(jù)統(tǒng)計

2021年6月1日至7月1日，使用Python編寫爬蟲代碼，獲取用戶數(shù)據(jù)。為避免“滾雪球”抽樣可能產(chǎn)生用戶整體特征相似的情況，本研究在數(shù)碼、美妝、歷史、美食等領(lǐng)域分別選擇兩位有影響力的“大V”博主，抓取在其最新微博下發(fā)表評論的用戶數(shù)據(jù)，以覆蓋不同年齡、性別和學(xué)歷等層次的用戶群體，保證抽樣的合理性。最終，共獲取1 582個用戶ID，經(jīng)數(shù)據(jù)篩選、清洗，剩余1 027個有效賬戶，約34.6萬條微博。

基于上述人格特質(zhì)計算步驟，計算用戶在各人格特質(zhì)維度的分值。為解決量綱對后續(xù)數(shù)據(jù)分析的影響，采用相對化處理方法消除人格特質(zhì)分值的量綱，使用戶在各人格特質(zhì)維度的分值均處于0～1的區(qū)間內(nèi)。另外，根據(jù)大五人格量表評分標(biāo)準(zhǔn)[33]，換算出各人格特質(zhì)典型高低分的閾值。最后，統(tǒng)計樣本用戶在各人格特質(zhì)典型高低分的占比，如表5所示。

4.2 數(shù)據(jù)分析

根據(jù)上述“人格特質(zhì)計算”和“自我披露水平計算”的步驟，計算用戶在各個人格特質(zhì)維度的分值和自我披露水平，對其進(jìn)行皮爾遜（Pearson）相關(guān)性檢驗，結(jié)果如表6所示。

1）開放性人格特質(zhì)與自我披露水平。由表6可知，開放性人格特質(zhì)顯著正向影響用戶自我披露水平。開放性反映的是個體對新情景的容忍與探索、對新事物的接受程度。在開放性人格特質(zhì)維度得分高的用戶心態(tài)開放、樂于探索，更可能將社交網(wǎng)絡(luò)當(dāng)作現(xiàn)實生活的補(bǔ)充，創(chuàng)造新的社交機(jī)會，因此與其自我披露水平正相關(guān)，這與Bansal G等[9]、李松[34]的研究結(jié)論一致。

2）盡責(zé)性人格特質(zhì)與自我披露水平。由表6可知，盡責(zé)性人格特質(zhì)顯著負(fù)向影響用戶自我披露水平。盡責(zé)性描述的是個體的自我控制、自我約束能力。在盡責(zé)性人格維度得分高的用戶較為謹(jǐn)慎、考慮全面，而網(wǎng)絡(luò)環(huán)境的不確定性更容易使其有警惕心理，產(chǎn)生較高的隱私關(guān)注，從而降低其自我披露水平[10]。因此，盡責(zé)性人格特質(zhì)與用戶自我披露水平顯著負(fù)相關(guān)。

3）外向性人格特質(zhì)與自我披露水平。由表6可知，外向性人格特質(zhì)顯著正向影響用戶自我披露水平。外向性描述的是個人在社交活動中的行為表現(xiàn)，在外向性人格特質(zhì)維度得分低的用戶多表現(xiàn)為孤僻、不自信和不善于社交，這些特征使其游離于社交網(wǎng)絡(luò)邊緣，在與他人交流的過程中更偏向于沉默。另外，研究表明[35]，外向型用戶的隱私關(guān)注度相對較低。外向型用戶由于社交的需求，對其個人信息的關(guān)注程度相對較低，并認(rèn)為披露個人信息是雙方開展社交活動的前提[36]。因此，用戶在外向性人格特質(zhì)維度的得分越高，其自我披露水平也越高。

4）宜人性人格特質(zhì)與自我披露水平。由表6可知，宜人性人格特質(zhì)與用戶自我披露的整體水平無顯著相關(guān)性，但與公開發(fā)布微博的比例顯著負(fù)相關(guān)。宜人性反映用戶表達(dá)觀點或人際交往時的風(fēng)格，在宜人性人格特質(zhì)維度得分高的用戶渴望和諧，強(qiáng)調(diào)適宜的社會行為。相關(guān)研究表明[37]，宜人性與用戶自我披露時產(chǎn)生的信任和利他主義有關(guān)。因此，在宜人性人格特質(zhì)維度得分高的用戶發(fā)布微博時，可能會縮小數(shù)據(jù)訪問權(quán)限，通過朋友可見、僅粉絲可見等方式僅與熟悉的人交流，以避免與陌生人觀點沖突。因此，宜人性人格特質(zhì)與用戶公開發(fā)布微博比例顯著負(fù)相關(guān)。

5）神經(jīng)質(zhì)性人格特質(zhì)與自我披露水平。由表6可知，神經(jīng)質(zhì)性人格特質(zhì)與用戶自我披露的整體水平顯著負(fù)相關(guān)，但與自我披露子維度的相關(guān)性存在差異。其中，神經(jīng)質(zhì)性人格特質(zhì)與個人數(shù)據(jù)完整度、含位置標(biāo)簽的微博比例顯著負(fù)相關(guān)，而與公開發(fā)布微博比例顯著正相關(guān)。神經(jīng)質(zhì)性是用來描述個體在多大程度上受到負(fù)面情緒的影響，在神經(jīng)質(zhì)性人格維度得分高的用戶情緒波動頻繁，應(yīng)對外部壓力能力差;反之，情緒穩(wěn)定，面對風(fēng)險更加冷靜。完整的個人數(shù)據(jù)和位置標(biāo)簽會提高隱私泄露的概率，且相關(guān)研究表明，神經(jīng)質(zhì)型用戶具有更高的隱私關(guān)注[17]。因此，神經(jīng)質(zhì)性人格特質(zhì)與個人數(shù)據(jù)完整度和含位置標(biāo)簽的微博比例顯著負(fù)相關(guān)。另一方面，由于在神經(jīng)質(zhì)性人格特質(zhì)維度得分高的用戶容易情緒化，敏感的人格特點導(dǎo)致其在現(xiàn)實生活中的朋友可能較少，在社交網(wǎng)絡(luò)中需要其開放數(shù)據(jù)訪問權(quán)限，通過發(fā)布微博、回復(fù)評論等功能滿足網(wǎng)絡(luò)社交的基本需求。因此，神經(jīng)質(zhì)性人格特質(zhì)與公開發(fā)布微博的比例顯著正相關(guān)。

5 研究結(jié)果的應(yīng)用與局限性

本研究結(jié)果的應(yīng)用之處：社交網(wǎng)絡(luò)服務(wù)商可根據(jù)用戶人格特質(zhì)與其自我披露水平的關(guān)聯(lián)性，制定差異化運營策略。①在開放性或外向性人格特質(zhì)維度得分較高的用戶，往往具有更多的社交需求，且隱私關(guān)注度相對較低，平臺可根據(jù)此類用戶自我披露內(nèi)容的特征向其推薦更多的用戶或內(nèi)容，幫助其開闊視野、結(jié)識更多朋友，提升用戶持續(xù)使用社交網(wǎng)絡(luò)進(jìn)行自我披露的意愿;②在盡責(zé)性或神經(jīng)質(zhì)性人格特質(zhì)維度得分較高的用戶，往往具有較高的隱私關(guān)注，平臺可制定更嚴(yán)格的隱私保護(hù)措施，降低此類用戶的隱私擔(dān)憂。比如，此類用戶在進(jìn)行自我披露時，將其關(guān)于數(shù)據(jù)訪問權(quán)限和位置標(biāo)簽的默認(rèn)設(shè)置更改為“朋友可見”和“不分享地理位置”等。通過更改默認(rèn)設(shè)置等措施，降低隱私泄露的客觀風(fēng)險，促使用戶在有序、穩(wěn)定的社交網(wǎng)絡(luò)環(huán)境中提升自我披露意愿?？傊?，社交網(wǎng)絡(luò)服務(wù)商要意識到人格特質(zhì)與用戶自我披露水平的內(nèi)在關(guān)聯(lián)，應(yīng)根據(jù)用戶人格特質(zhì)向其提供個性化服務(wù)，提升用戶滿意度，從而提高其自我披露水平，促進(jìn)社交網(wǎng)絡(luò)平臺的良性發(fā)展。

本研究也存在一定局限性：①未驗證人格特質(zhì)預(yù)測的準(zhǔn)確率，后期可采用問卷調(diào)查的方式獲取用戶人格特質(zhì)進(jìn)行對比，但采用問卷調(diào)查獲取數(shù)據(jù)的準(zhǔn)確率也有待商榷;②限于篇幅，本研究僅分析了單一人格特質(zhì)與用戶自我披露水平的關(guān)聯(lián)。實際上，用戶是多種人格特質(zhì)相互綜合的個體，根據(jù)用戶在各人格特質(zhì)維度的得分高低，可將用戶群體劃分為31種類型。今后的研究，可針對每一種類型的用戶，深入分析其自我披露水平。

參考文獻(xiàn)66DBC426-1084-4E1A-B9AE-31DE04CCCD64

[1]百度百科.劍橋分析丑聞[EB/OL].https：//baike.baidu.com/item/%E5%89%91%E6%A1%A5%E5%88%86%E6%9E%90%E4%B8%91%E9%97%BB/49935337？fr=aladdin，2022-01-14.

[2]搜狐網(wǎng).LinkedIn遭黑客攻擊，約1.59億用戶數(shù)據(jù)被竊[EB/OL].https：//m.sohu.com/a/292645813_557054，2022-01-14.

[3]Krasnova H，Kolesnikova E，Günther O.Leveraging Trust and Privacy Concerns in Online Social Networks：An Empirical Study[C]//18th European Conference on Information Systems，Illinois：AIS elibrary，2010.

[4]李征仁.移動互聯(lián)網(wǎng)環(huán)境下用戶隱私關(guān)注的影響因素及隱私信息擴(kuò)散規(guī)律研究[D].北京：北京郵電大學(xué)，2014.

[5]Kim E，Lee J，Sung Y，et al.Predicting Selfie-posting Behavior on Social Networking Sites：An Extension of Theory of Planned Behavior[J].Computers in Human Behavior，2016，62（9）：116-123.

[6]Ko H，Chen T.Understanding the Continuous Self-disclosure of Bloggers from the Cost-benefit Perspective[C]//Conference on Human System Interaction，New York：IEEE，2009.

[7]Chen X，Pan Y，Guo B.The Influence of Personality Traits and Social Networks on the Self-disclosure Behavior of Social Network Site Users[J].Internet Research，2016，26（3）：566-586.

[8]Amichai-Hamburger Y，Vinitzky G.Social Network Use and Personality[J].Computers in Human Behavior，2010，26（6）：1289-1295.

[9]Bansal G，Zahedi F M，Gefen D.Do Context and Personality Matter？Trust and Privacy Concerns in Disclosing Private Information Online[J].Information & Management，2016，53（1）：1-21.

[10]劉百靈，徐陽，吳旋.人格特征對信息披露的影響——以情感為中介[J].現(xiàn)代情報，2021，41（2）：97-106.

[11]Harrison G W，Rutstrm E E.Experimental Evidence on the Existence of Hypothetical Bias in Value Elicitation Methods[J].Handbook of Experimental Economics Results，2008，1（5）：752-767.

[12]Xu F，Michael K，Chen X.Factors Affecting Privacy Disclosure on Social Network Sites：An Integrated Model[J].Electronic Commerce Research，2013，13（2）：151-168.

[13]李綱，王丹丹.社交網(wǎng)站用戶個人信息披露意愿影響因素研究——以新浪微博為例[J].情報資料工作，2015，（1）：35-40.

[14]李海丹，洪紫怡，朱侯.隱私計算與公平理論視角下用戶隱私披露行為機(jī)制研究[J].圖書情報知識，2016，（6）：114-124.

[15]郭海玲，馬紅雨，許澤輝.社會化媒體用戶信息披露意愿影響模型構(gòu)建與實證——以微信用戶為例[J].圖書情報工作，2019，63（15）：111-120.

[16]Zlatolas L N，Welzer T，Hlbl M，et al.A Model of Perception of Privacy，Trust，and Self-disclosure on Online Social Networks[J].Entropy，2019，21（8）：772-789.

[17]Loiacono E T.Self-disclosure Behavior on Social Networking Web Sites[J].International Journal of Electronic Commerce，2015，19（2）：66-94.

[18]Correa T，Hinsley A W，Zúiga H G.Who Interacts on the Web？：The Intersection of Users Personality and Social Media Use[J].Computers in Human Behavior，2010，26（2）：247-253.66DBC426-1084-4E1A-B9AE-31DE04CCCD64

[19]Gosling S D，Augustine A A，Vazire S，et al.Manifestations of Personality in Online Social Networks：Self-reported Facebook-related Behaviors and Observable Profile Information[J].Cyberpsychology，Behavior，and Social Networking，2011，14（9）：483-488.

[20]Moore K，McElroy J C.The Influence of Personality on Facebook Usage，Wall Postings，and Regret[J].Computers in Human Behavior，2011，28（1）：267-274.

[21]黃希庭.人格心理學(xué)[M].杭州：浙江教育出版社，2002.

[22]Allport G W，Odbert H S.Trait-Names：A Psycho-lexical Study[J].Psychological Monographs，1936，47（1）：126-171.

[23]Costa P，McCrae R R.The NEO Personality Inventory Manual[M].Odessa：PAR Press，1985.

[24]彭聃齡.普通心理學(xué)[M].北京：北京師范大學(xué)出版社，2012.

[25]Pennebaker J W.LIWC2015[EB/OL].http：//liwc.wpengine.com，2022-01-14.

[26]新浪微博數(shù)據(jù)中心.2020微博用戶發(fā)展報告[EB/OL].https：//data.weibo.com/report/reportDetail？id=456，2022-01-14.

[27]Mairesse F，Walker M A，Mehl M R，et al.Using Linguistic Cues for the Automatic Recognition of Personality in Conversation and Text[J].Journal of Artificial Intelligence Research，2007，30（1）：457-500.

[28]GITEE.PaddleNLP Embedding API[EB/OL].https：//gitee.com/zzwhe/PaddleNLP/blob/develop/docs/embeddings.md，2022-01-14.

[29]臧國全，孔小換，張凱亮，等.社交網(wǎng)絡(luò)用戶自我披露意愿研究——以新浪微博為例[J].圖書情報工作，2021，65（16）：90-97.

[30]Tsai J Y，Kelley P，Drielsma P，et al.Whos Viewed You？：The Impact of Feedback in a Mobile Location-sharing Application[C]//Proceedings of the SIGCHI Conference on Human Factors in Computing Systems，New York：ACM Press，2009.

[31]Sadeh N，Hong J，Cranor L，et al.Understanding and Capturing Peoples Privacy Policies in a Mobile Social Networking Application[J].Personal and Ubiquitous Computing，2009，13（6）：401-412.

[32]Preoctiuc-Pietro D，Cohn T.Mining User Behaviors：A Study of Check-in Patterns in Location Based Social Networks[C]//Proceedings of the 5th Annual ACM Web Science Conference.New York：ACM Press，2013.

[33]Costa P，McCrae R R.Revised NEO Personality Inventory and NEO Five-factor Inventory Professional Manual[M].Odessa：PAR Press，1992.

[34]李松.見微知人：活躍用戶的人格特征及其微博呈現(xiàn)[D].廈門：廈門大學(xué)，2018.

[35]Aharony N.Relationships Among Attachment Theory，Social Capital Perspective，Personality Characteristics，and Facebook Self-disclosure[J].Aslib Journal of Information Management，2016，68（3）：362-386.

[36]Uffen J，Kaemmerer N，Breitner M H.Personality Traits and Cognitive Determinants——An Empirical Investigation of the Use of Smartphone Security Measures[J].Journal of Information Security，2013，4（4）：203-212.

[37]Pour M J，Taheri F.Personality Traits and Knowledge Sharing Behavior in Social Media：Mediating Role of Trust and Subjective Well-being[J].On the Horizon，2019，27（2）：98-117.

（責(zé)任編輯：郭沫含）66DBC426-1084-4E1A-B9AE-31DE04CCCD64