李迎迎 陳婷婷 孫玉琦

(1.淮陰師范學院經濟與管理學院 淮安 223001； 2.中國科學院武漢文獻情報中心 武漢 430071；3.中國科學院大學經濟與管理學院 北京 100190)

數(shù)智時代的迅猛發(fā)展使社交媒體產生了質的飛躍，為滿足用戶智慧化智能化生活需求，社交媒體不斷挖掘用戶隱私信息，通過各種方式給用戶提供智能推薦服務。但智能科技的高速發(fā)展，導致用戶個人信息安全泄露問題頻發(fā)，因此用戶在使用社交媒體智能推薦時會存在隱私擔憂。對社交媒體平臺來說，用戶過度關注社交媒體智能推薦，會存在適得其反的效果，而對用戶而言，個人隱私數(shù)據(jù)泄露也會危及日常生活甚至帶來損失。因此在社交媒體智能推薦過程中，如何保障用戶隱私安全，是政府和用戶都普遍關注的社會問題。

針對社交媒體智能推薦用戶隱私學理研究，王雪芬等研究了社交媒體環(huán)境下用戶隱私關注的現(xiàn)狀，包括隱私設置、隱私關注及隱私披露等[1]；李維嘉等在研究隱私邊界時發(fā)現(xiàn)，社交媒體中的隱私問題主要分為社交媒體用戶之間的隱私游戲和用戶與技術之間的對抗[2]。針對社交媒體智能推薦用戶隱私影響因素的研究，賈若男等基于保護動機理論，提出了社交網絡用戶信息安全隱私保護行為的影響因素包括反應效能、自我效能、反應成本、感知威脅和隱私關注等[3]。針對社交媒體用戶隱私問題的研究，華劼等在研究社交媒體網絡直播隱私侵權問題時，發(fā)現(xiàn)社交媒體主播存在未經他人同意擅自將他人形象進行直播的行為侵犯其隱私權[4]；牛靜等在分析社交媒體人際交往特點的前提下，分析了社交媒體用戶自愿披露隱私可能造成的問題并提出了社交媒體用戶應該遵守的道德原則[5]。針對隱私保護技術問題，劉向宇等以文獻調研的形式梳理了社交媒體發(fā)布的隱私技術[6]。朱光等在探討影響社交媒體個人隱私政策的閱讀意愿隱私時，以技術接受模型和自我效能理論為基礎，為用戶隱私信息的使用意愿和管理提出了建議[7]；Thatsanee Ngoensuk等在研究使用社交媒體時以保護個人隱私權利為目的創(chuàng)建、測試和開發(fā)隱私保護系統(tǒng)[8]；Chen T等以社交媒體用戶的隱私感知和網絡營銷的影響為實證探討了社交網絡媒體的網絡隱私和訪問技術的先驅[9]。

綜觀已有研究，我國社交媒體發(fā)展迅猛，而且用戶量巨大，因此存在的隱私安全問題也較明顯，而隱私風險感知作為用戶隱私安全意識提升的重要一環(huán)，在社交媒體背景下的研究相對較少。目前研究呈現(xiàn)兩個鮮明特點：一是與社交媒體相關的研究大多集中于隱私政策研究，過于泛在化，從智能推薦維度進行用戶隱私的研究較為薄弱；二是對策研究較為宏觀，對社交媒體高質量發(fā)展中的隱私風險問題指導性相對缺乏。鑒于此，本文從用戶視角對影響用戶隱私風險感知因素進行深入探討，旨在豐富社交媒體智能推薦及用戶隱私風險感知的理論體系，并為社交媒體平臺精準掌握用戶隱私心理提供新思路，從而更好滿足用戶智能化需求，以促進社交媒體平臺的高質量發(fā)展。

1 理論回顧與研究假設

1.1 智能推薦與風險感知過程論

智能推薦服務在一定程度上類比于精準服務，在文獻調研時發(fā)現(xiàn)，已有研究集中在智能推薦系統(tǒng)方面，智能推薦系統(tǒng)的關鍵在于智能推薦技術的運用。智能推薦通過對大量的信息進行選擇，展示給用戶感興趣的，從而提升用戶檢索體驗[10]。本研究集中探討在社交媒體背景下智能推薦過程中，影響用戶隱私風險感知的主要因素。

“感知”一詞最初是屬于心理學范疇，后來Bauer將感知風險運用到消費者行為學中，他提出網絡用戶的所有消費行為或多或少都會承擔著一定的風險，而且是用戶能感知到的風險[11]；Dowling認為，感知風險是用戶享受產品或服務時主觀知覺的不利影響的可能[12]；而“隱私風險感知”是主觀考量風險的尺度，不同環(huán)境中的用戶對風險感知程度是不同的[13]。本文以感知過程論作為重要前提，提出社交媒體智能推薦中用戶隱私風險感知的影響因素。感知過程，生物學領域認為是在一定環(huán)境刺激下，人感知通道對信號的加工[14]。本文隱私風險感知是在面對社交媒體平臺提供的智能推薦服務時，用戶對隱私信息存在泄露或安全風險的主觀認知，隱私風險感知過程分為隱私風險感知前、隱私風險感知中及隱私風險感知后等全過程中的影響因素。

1.2 技術威脅規(guī)避理論

技術威脅規(guī)避理論是由美國東卡羅萊納大學終身教授Liang Huigang和助理教授Xue Yajiong提出，該理論論述了網絡使用者感受到網絡風險時，能對所感受到的威脅進行防范，是以主動回避為目的[15]。在隱私風險感知過程前提下，基于技術威脅規(guī)避理論提出了感知意識(感知前)、感知威脅(感知中)、感知評價(感知后)等變量。

感知意識是用戶知覺個人信息隱私受到惡意軟件威脅的主觀概率[16]。不同用戶感覺存在差異，因此在享受社交媒體智能推薦服務時，個體隱私風險感知意識也會存在差異。本研究中感知意識是用戶對社交媒體智能推薦隱私敏感的知覺評價。感知威脅是用戶遭受網絡惡意威脅風險過程中的知覺反應。社交媒體用戶在享受智能推薦服務知覺到個人信息安全問題會對其隱私感知產生影響，當用戶感受到智能推薦服務存在潛在風險時，就會加劇隱私風險感知。感知評價是用戶知覺來自網絡惡意危險造成嚴重后果的反應，本文中是用戶對社交媒體智能推薦服務侵犯其個人信息安全風險的反應程度。

1.3 社會交換理論

社會交換理論認為人類的交換行為都會受到帶有利益活動的影響。社會交往行為依賴于感知收益與感知風險的權衡[17]。Wang Zhiwei等基于社會交換理論研究企業(yè)社交媒體對員工的創(chuàng)造力時發(fā)現(xiàn)，企業(yè)社交媒體使用中介機制與創(chuàng)新支持會正向影響員工的創(chuàng)造力[18]。本研究以社會交換理論為基礎引入“感知收益”這一變量。感知收益注重主觀感覺，能對所從事的活動做出主觀判斷，具有持續(xù)效果。朱鵬等以社會交換理論為基礎驗證感知收益對社交媒體用戶分享行為的影響[19]。本文中感知收益是用戶使用社交媒體智能推薦過程中，對其便利性、快捷性、受益性等的主觀感受。

2 研究設計

2.1 研究假設

本研究基于感知過程論和兩大理論嘗試提出感知意識、感知威脅、感知評價和感知收益四個變量，在已有相關實證研究中，感知意識與感知評價會對感知威脅產生正向影響，因此提出以下假設：

H1：感知意識與感知威脅之間是正相關；

H2：感知評價與感知威脅之間是正相關。

用戶對社交媒體智能推薦的便利性知覺越高，對隱私威脅的反應越大，即社交媒體用戶感知收益越大，對隱私威脅的知覺越高，因此提出以下假設：

H3：感知收益與感知威脅之間是正相關。

只有先感知威脅才可規(guī)避隱私風險，感知威脅是用戶對智能推薦暴露個人信息危險的主觀感受。在社交媒體智能推薦過程中，智能推薦模式會影響用戶對其個人隱私信息的感知。如果用戶認為社交媒體智能推薦模式對個人隱私構成威脅，那么他們對隱私風險的感知就會增加。因此本文以感知威脅即以用戶感知過程中的感受作為中介變量，感知意識、感知評價和感知收益作為潛變量，隱私風險感知作為顯變量，以社交媒體智能推薦為主題進行探討，從而確立以下研究假設：

H4：感知威脅與隱私風險感知之間是正相關；

H5：感知意識與隱私風險感知之間是正相關；

H6：感知評價與隱私風險感知之間是正相關；

H7：感知收益與隱私風險感知之間是正相關。

2.2 問卷設計

問卷包括三大模塊：第一模塊是用戶基本狀況調查，主要有性別、年齡和受教育程度等；第二模塊是用戶社交媒體使用情況調查，主要有用戶使用社交媒體時長、常用社交媒體平臺、對社交媒體智能推薦的態(tài)度；第三模塊包括3個潛變量、1個中介變量和1個顯變量的因素調查。本問卷以李克特5點量表進行設計，量表中的1表示非常不同意，2表示比較不同意，3表示不能確定，4表示比較同意，5表示非常同意。本研究在考慮目標群體時，年齡主要集中在20～30歲的用戶，因為這部分用戶群是社交媒體平臺的主要使用者。

2.3 量表設計

量表設計具體如表1所示。

表1 測量量表

3 數(shù)據(jù)收集與統(tǒng)計分析

調查問卷于2022年4月前完成，樣本問卷依靠PC端和移動端同時發(fā)放，主要集中于大學生群體。本次調查問卷共回收217份，去掉無效問卷23份，保留有效問卷194份，有效樣本達89.4%。

3.1 用戶基本狀況分析

用戶描述性統(tǒng)計主要有性別、年齡和受教育程度這三個方面。調查對象中男性占總樣本的39.63%，女性占60.37%；年齡主要集中于21～25歲，占比達78.8%；從受教育程度上，樣本主要集中在大?；虮究?，占比達82.49%。

3.2 用戶使用社交媒體平臺情況分析

用戶使用社交媒體包括用戶使用社交媒體的時長、主要使用的社交媒體平臺、用戶對社交媒體智能推薦的態(tài)度、用戶能接受的智能推薦平臺等4個方面。

a.社交媒體使用時長。數(shù)據(jù)顯示，使用社交媒體在1～3年的占23.96%，在4～6年的占47%，在6年以上的占29.03%。社交媒體使用時長是后續(xù)研究的基礎，絕大多數(shù)用戶使用社交媒體時長較長，因此本次調查對象符合研究需要。

b.社交媒體平臺。樣本數(shù)據(jù)中用戶主要使用的社交媒體平臺集中在微信、抖音和小紅書，分別占比81.11%、63.59%和70.05%。問卷中針對用戶主要使用的社交媒體平臺設計的是多選題，調查發(fā)現(xiàn)，絕大多數(shù)用戶對主要的社交媒體平臺都有涉及。

c.用戶對社交媒體智能推薦的態(tài)度。樣本數(shù)據(jù)中，64.06%用戶持接受態(tài)度，29.95%用戶是置之不理的態(tài)度，不接受社交媒體智能推薦的用戶占5.9%。根據(jù)結果可以看出，用戶對社交媒體智能服務持接受態(tài)度的占比較多。

d.用戶能接受的智能推薦平臺。在愿意接受智能推薦服務的平臺中，調查對象最愿意接受的是微信，達到總樣本的75%；占比第二的是微博，占總數(shù)的59.8%。由于微信、微博是主要社交媒體工具，所以更容易被大多數(shù)用戶所接受。

綜上所述，本次樣本有四個主要特征：受教育程度為大專或本科的年輕群體；使用社交媒體時間較長；是目前市場上主流社交媒體平臺的常用客戶；對社交媒體智能推薦方式有了解并傾向使用的平臺。因此，樣本符合本研究需要。

3.3 信度與效度分析

本文將樣本數(shù)據(jù)輸入SPSS軟件中，并分析調研數(shù)據(jù)的信度和效度，以保證研究的可靠性，本研究采用Conbach's alpha系數(shù)對測量量表進行具體分析，結果如表2所示。

表2 測量變量信息分析結果匯總

由表2可知，調查問卷總體信度和個別測度項的可信度Conbach's alpha因子均超過0.9，因此問卷信度非常高。

本文采用KMO和Bartlett這兩個指標的取值來驗證調查問卷的適用性。KMO指標的檢測目的在于檢驗調查問卷的容量是否符合本研究的要求。KMO指標在 [0,1]的數(shù)值范圍內，如果KMO指數(shù)的數(shù)值較大，則說明該調查樣本適宜進行因子分析。

由表3可知，問卷整體效度非常高，KMO指標值是0.949，在0～1之間，因此調研數(shù)據(jù)適宜進行因子分析。Bartlett球形數(shù)值具有顯著的水平，由此表明，調查測度量之間是獨立的。

表3 調查問卷整體效度分析結果

4 結構方程模型實證研究

4.1 初始結構方程模型檢驗

本研究使用結構方程模型探討感知意識、感知評價、感知收益、感知威脅各變量對隱私風險感知的影響。首先檢驗初始模型的擬合性，把調查數(shù)據(jù)輸入Amos22.0中，使用結構方程進行實證檢驗。一般認為，評估結構方程的適配性指標主要有三個方面：絕對適配度指數(shù)RMSEA、增值適配度指數(shù)CFI、規(guī)范擬合指數(shù)NFI，結果如表4所示。

表4 初始模型的擬合優(yōu)度統(tǒng)計值

初始模型適配度指標中，卡方自由度比χ2/df、RMSEA已達到標準，而GFI值為0.802，CFI值為0.802，沒有達到要求，因此該模型的擬合性還有待進一步改進。

4.2 結構方程模型修正

為改善模型適配度，在Amos22.0中進一步優(yōu)化模型，修正模型如圖1所示。選擇χ2/df、GFI、AGFI、RMSEA、CFI、NFI、IFI、TLI作為模型的擬合指標。將調查數(shù)據(jù)輸入SPSS軟件中，結果如表5所示。

圖1 結構方程修正模型圖

表5 模型估計參數(shù)對比

輸出結果：卡方自由度比(χ2/df)：通常，在2～3之間的情況下，樣本數(shù)據(jù)和模型的擬合性較好，χ2/df<5時，說明樣本數(shù)據(jù)與模型基本擬合。本研究的結果顯示，χ2/df為2.706<3,說明收集的樣本數(shù)據(jù)與模型的一致性良好，且概念模型可以被采納。其他擬合指標如GFI、RMSEA、RMR、CFI、NFI和NNFI等都超過0.90標準值，這說明模型具有很好的擬合能力。

由表5可知，從總體模型的多項擬合指數(shù)來看，該調查樣本的數(shù)據(jù)與模型的擬合程度較好，說明本文所提出的研究假設得到了很好的檢驗。

4.3 研究假設檢驗分析

本文采用Amos22.0對數(shù)據(jù)計算，P為顯著水平，P<0.05則代表達到了顯著水平，若P<0.01，為“***”，若P>0.01時，則直接為P值。研究假設和結構模型路徑顯著性P<0.05，水平上均呈現(xiàn)顯著性，則支持原假設，因此7條路徑均有效。

4.4 結果闡釋說明

a.感知意識與感知威脅之間是正相關。感知意識作為感知前影響要素，事件刺激容易導致感知意識覺醒[20]，而感知意識越強烈，使得用戶行為認知越強烈[21]，因此感知意識成為用戶感知威脅行為認知的重要參考因素。在社交媒體智能推薦中，用戶感知意識對感知威脅產生較大影響。感知意識與感知威脅之間的相關系數(shù)均有顯著性(C.R=3.127>1.96，P=0.002)，表明出感知意識與感知威脅之間是正相關，即社交媒體用戶的感知意識越強，用戶對威脅知覺越高，感知意識使用戶對個人信息泄露風險的評估更高，從而使用戶更容易感受到智能推薦的威脅。

b.感知評價與感知威脅之間是正相關。感知評價作為感知后影響要素，具有較強的主觀性和模糊性[22]，感知評價對社交媒體用戶而言，主觀性也非常強，感知評價會使社會媒體用戶對所受的威脅進行評估分析。在結構方程模型路徑節(jié)點的回歸系數(shù)表中，感知評價與感知威脅之間的相關系數(shù)均有顯著性(C.R=8.813>1.96，P=0)，表明感知評價對感知威脅產生正向影響，風險感知后的評價直接決定感知威脅的嚴重程度，社交媒體用戶感知評價越強，用戶的感知威脅程度越高。

c.感知收益與感知威脅之間是正相關。感知收益作為感知過程中便利性的有效因素，當社交媒體用戶擁有越高的感知收益經驗時，其對感知威脅行為的判斷力也會隨之增強[23]。由表6可知，感知收益與感知威脅之間的路徑系數(shù)β=0.182，且相關系數(shù)具有顯著性(C.R=11.766>1.96，P=0)，因此感知收益與感知威脅之間是正相關，即感知收益越強，社交媒體用戶的感知威脅越強。

d.感知威脅與隱私風險感知之間是正相關。在社交媒體智能推薦中，用戶對智能推薦的感知威脅包括感知威脅嚴重性、感知威脅易感性、感知威脅敏感性等都對隱私風險感知產生較大作用[24]。由表6中可知，感知威脅與隱私風險感知之間的相關系數(shù)具有顯著性，即(C.R=10.490>1.96，P=0)，表明感知威脅與隱私風險感知之間是正相關，也就是說當用戶感受到的威脅等級越高，則對個人隱私信息的威脅越高。因此用戶在感受到隱私威脅時，會提高他們對個人隱私風險的感知，從而對其隱私風險感知有正面影響，當用戶感受到的威脅程度愈高時，對個人隱私風險也會有較高的感知。

表6 結構方程模型假設驗證結果

e.感知意識與隱私風險感知之間是正相關。隱私風險感知受到隱私意識的影響,而隱私意識表現(xiàn)為用戶對個人信息的保護意識[25]，隱私意識的前提受感知意識的影響，首先要有明確的感知意識，才有隱私意識的產生。在社交媒體智能推薦中，用戶對智能推薦的感知意識會對隱私風險感知產生較大作用。感知意識與隱私風險感知之間的路徑系數(shù)β=0.274，相關系數(shù)具有顯著性(C.R=2.271>1.96，P=0.006)。研究結果表明，感知意識與隱私風險感知之間是正相關，當使用者感受到的風險意識程度愈高時，對個人的隱私風險也會有較高的感知。

f.感知評價與隱私風險感知之間是正相關。感知評價是社交媒體用戶對智能推薦后經過概念化所形成的主觀感受，用戶的主觀感受會影響其對隱私風險的感知狀況[26]，因此在社交媒體智能推薦中，用戶對智能推薦的感知評價與隱私風險感知之間有較大關聯(lián)。感知評價與隱私風險感知的路徑系數(shù)β=0.387，它們之間的相關系數(shù)具有顯著性(C.R=3.009>1.96，P=0.003)，表明對個人信息感知后果的評價與隱私風險感知之間是正相關，即感知評價越強，社交媒體用戶對隱私風險感知越強。

g.感知收益與隱私風險感知之間是正相關。感知收益-感知風險框架是用戶行為研究的一個主流框架，因此針對用戶隱私風險研究必然涉及感知收益-感知風險問題[27]。在社交媒體智能推薦中，用戶對智能推薦帶來的便利性會對隱私風險感知產生較大作用。由表6可知，感知收益與隱私風險感知之間的相關系數(shù)具有顯著性(C.R=3.202>1.96，P=0.001)，表明感知收益與隱私風險感知之間是正相關。其中原因是感知收益加強了對社交媒體智能推薦隱私泄露的擔心，因此加劇了用戶隱私風險感知，即社交媒體用戶感知到的收益越大，隱私風險感知越強。

4.5 中介效應檢驗

隱私風險感知的核心變量為感知威脅，即用戶個體在社交媒體智能推薦中所感知到的各種威脅所帶來后果的嚴重性[28]。感知威脅能夠通過對感知意識、感知評價及感知收益的影響，間接影響用戶隱私風險感知。因此將感知威脅作為中介變量進行研究，基于中介效應，結構模型路徑有三條：①感知意識→感知威脅→隱私風險感知；②感知評價→感知威脅→隱私風險感知；③感知收益→感知威脅→隱私風險感知。將數(shù)據(jù)輸入AMOS22.0軟件中，輸出結果如表7所示。其中第一列為中介效應的路徑，第二列為標準化的中介效應值，后兩列為Bias-corrected方法和Percentile方法的置信區(qū)間以及顯著性檢驗的P值。

表7 結構方程模型的中介效應系數(shù)

從中介效應系數(shù)來看：

a.感知意識以感知威脅為中介變量對隱私風險感知產生正向影響，其中介效應值為0.541，顯著為正，即用戶的感知意識越強，感知威脅越大，用戶對個人隱私信息的風險感知的越強。因此需要合理引導用戶形成良好的感知意識，避免感知威脅帶來的偏差，發(fā)揮感知威脅在感知意識中對隱私風險感知的預期作用，進一步促進社交媒體智能推薦的發(fā)展[29]。

b.感知評價以感知威脅為中介變量對隱私風險感知產生正向作用，其中介效應值是0.353，顯著為正，即社交媒體用戶的感知評價越強，能夠感知到的威脅越大，會導致用戶感覺到個人信息安全風險越大。用戶隱私風險感知的前提必然包括感知評價，而其中必然包含對威脅感知的程度評估，因此需要用戶精準進行感知評價，以有效識別感知威脅，從而正確對待隱私風險[30]。

c.感知收益以感知威脅為中介變量對隱私風險感知產生正向作用，其中介效應值為0.569，顯著為正，即用戶感知收益越強，感知威脅越大，則用戶隱私風險感知程度越高。感知收益對用戶使用社交媒體智能推薦運行效果的好壞有直接影響[31]，使用智能推薦必然會給用戶帶來一定收益，其中必然涉及用戶隱私信息，但社交媒體難以平衡智能推薦與隱私風險之間的關系[32]，因此這個過程以感知威脅作為中介變量，感知收益通過感知威脅反應用戶隱私風險感知的程度。

5 研究啟示

第一，有效選擇感知前推薦方式，加強隱私風險感知。在社交媒體平臺中，用戶擔心智能推薦服務會對個人信息隱私帶來各種嚴重后果，因此用戶對社交媒體智能推薦方式比較關注。如果社交媒體智能推薦過于暴露用戶個人信息，則會加強用戶對隱私風險的感知，進而不接受社交媒體提供的智能推薦服務。根據(jù)調查問結果可以看出，社交媒體用戶對電話、短信等的服務接受度較低，使用者更愿意接受的智能推薦方式如微信、微博等，還有社交媒體頁面顯示的“發(fā)現(xiàn)”、“更多推薦”等智能推薦方式。因此，社交媒體平臺應該加強頁面的個性推薦，同時結合社交媒體平臺的特點，減少電話或短信等推薦方式。

第二，不斷加強感知中意識程度，提升社交媒體信譽。社交媒體平臺在給用戶提供智能推薦服務時，提供的服務內容是否能避免隱私敏感，智能推薦能否保障用戶個人信息安全是非常重要的，用戶所重視的不僅是平臺服務，更注重自身體驗。研究發(fā)現(xiàn)，用戶自身的感知意識不僅會加重感知威脅，也會對用戶的隱私風險感知產生正向的影響。因此社交媒體應該注重平臺可信性水平的加強，提高社交媒體的信譽。

第三，逐級提升感知后評價水準，避免智能推薦威脅。社交媒體用戶感知評價會提升用戶對感知威脅的評估，并與隱私風險感知之間是正相關的，因此社交媒體平臺應該積極尋求相關措施降低社交媒體智能推薦方式帶來的威脅。比如，社交媒體給用戶提供智能推薦服務時，提供用戶隱私安全保護政策，從而減少用戶對社交媒體智能推薦的威脅評估，保障用戶隱私不受侵犯。