当期荐读 2023年第2期 | 决策倾向性对个人隐私信息披露的影响机理研究 ——以社交网络新浪微博为例

图源 | Internet

臧国全^1,2　吴　怡¹

1.郑州大学信息管理学院，郑州，450001；　

2.郑州市数据科学研究中心，郑州，450001

摘  要

理论上探索决策倾向性对个人隐私信息披露的影响机理，寻求个人隐私信息披露的生理心理根源，实践上为制定完善社交网络中隐私保护政策提供理论依据。采用卡牌彩票实验，对决策倾向性进行测度；设计量表，对社交网络问题性使用进行度量；构建问卷，调查微博用户，实施统计，对社交网络自我披露进行计量；本研究采用相关性分析和分层逐步回归分析方法，探索决策倾向性、问题性使用与自我披露之间的关系，建立基于决策倾向的个人隐私信息披露机理。研究结果显示冲动型决策倾向直接产生隐私信息的自我披露，问题性使用在一定程度上间接导致自我披露。

关键词

隐私披露　社交网络　决策倾向性　问题性使用　冲动型决策　新浪微博

01

 引言

社交网络是一个开放的互动平台，人们在平台上进行自我披露，分享自己的想法和信息，浏览他人的动态，并进行实时交流互动，这种行为已成为人们记录生活、塑造形象的一种常用社交方式。新浪微博是国内用户常用的社交网络，众多用户通过这个平台披露海量的个人信息，获得即时收益。虽然平台构筑了多项措施提升用户个人信息的保护程度，比如设置不同选项使用户管理他人对自己信息的访问，将个人信息的可见性限制在特定群体（如朋友、家庭）。这可在一定程度上保护水平隐私（披露给他人），但无法保护垂直隐私（平台和第三方采集导致披露），存在潜在的长期风险，如身份盗窃、性骚扰、网络跟踪、商业利用、网络犯罪等。虽然这些风险已被用户广泛知晓甚至亲身经历，但个人信息的披露却不降反升。

对这种现象的已有常规解释是隐私悖论或隐私成本收益权衡，但这仅是对现象的描述与解释，缺失产生机理的探索，没有洞察用户隐私披露行为的生理和心理根源。本文从认知心理学角度，借助双系统理论，提出产生机理的假设，在理论上拓宽了现有社交网络隐私披露领域的研究视角，从认知心理学角度为隐私披露行为提供新的解释；选择新浪微博为实证对象，测度用户的决策倾向性，度量用户的问题性使用，计量用户的实际披露程度，计算三者之间的关联性及其关联程度，求证假设的成立性，探索决策倾向性对隐私披露的影响机理。研究成果可使社交网络用户重视因忽视长期风险而披露个人隐私所带来的损失，提醒人们问题性社交网络使用的危害；社交网络服务商可参考研究成果设置更有效的隐私声明和更完善的隐私保护机制；为隐私相关政策的制定提供参考途径。

02

相关研究概述

本文研究内容涉及社交网络个人隐私信息披露、决策倾向性、社交网络问题性使用等方面，其中决策倾向性和社交网络问题性使用的研究概述在理论基础部分一起进行，本节仅为社交网络个人隐私信息披露的研究概述，具体如下。

早期研究表明^[1]，人们之间交流主要为了分享个人经历、维持个人关系和展示个人观点，这也是自我披露的主要目的。由此可以推论，人们如此愿意自我披露，是因为内在价值体现的需要。该项推论得到了自我披露过程中神经反应的支持，即激活了与奖励处理相关的神经区域^[2]。

社交网络中的自我披露是通过网络平台向他人提供和交流个人信息的过程。在提供信息的决策上，既可以是反思性的决策（经过深思熟虑），也可以是冲动性的决策（凭借直觉）；在提供信息的内容上，既可以通过帖子分享个人信息，也可以通过注册提供个人资料。贡献帖子是经常性的活动，很大部分是展示自己的经历^[3]；而个人资料的更新频率较低。通过分享个人信息，用户可以收获多种好处，如维持已有关系，建立新的关系，展示自己形象，获得社会支持等^[4]。

已有研究基于社会心理学、媒体心理学、信息科学等不同理论，对社交网络个人隐私信息披露的影响因素进行了大量研究。通过文献梳理，归纳近年来主要研究见表1。

表1　社交网络情境下个人隐私信息披露的近年主要研究梳理

已有研究大多以理论框架为出发点，基于单一理论或多种理论组合，增添或定义变量，构建研究模型。例如，朱侯等^[21]以单一的隐私计算理论为基础，将感知收益拆分为利己收益和利他收益，结合感知风险和隐私关注等因素分析对隐私披露的影响；刘百灵等^[17]基于单一的沟通隐私管理理论，从用户、社会环境和平台三个维度调查用户信息披露意愿的形成机理；袁向玲等^[5]整合隐私计算理论，基于隐私关注的APCO理论模型从社交媒体用户对隐私政策的理解和感知两个维度，探索自我披露的影响机制；王彦兵等^[13]整合隐私计算理论和计划行为理论，引入具体隐私情境，建立研究模型。总体上，隐私计算理论的适用性强，与其他理论的融合性较好，应用比较广泛；感知收益、感知风险等心理感知因素应用较多。

但已有研究的理论基础（比如最常见的隐私计算理论）集中在隐私决策的理性一面，忽视了决策的冲动性，难以全面有效解释隐私行为，且以往研究较少从用户最根本的生理和心理视角探索个人隐私披露的形成机理。因此，本文引入双系统理论，同时考虑个人决策产生过程中的理性和冲动，探索决策倾向性对个人隐私披露的影响机理。

03

理论基础

3.1　双系统理论

双系统指大脑对事物的两种反应模式，包括直觉的启发式系统和理性的分析加工系统。前者也被称为系统1，因其可以基于情绪和过去经验对信息进行快速处理，进而自动求出解决方案，又称为“快系统”。后者也被称为系统2，处理问题依赖于规则和个人认知，能够对信息进行系统化加工处理，需要耗费更多时间，又称为“慢系统”。两个系统之间没有严格界限，同时对人们的决策选择、行为方向产生影响，并相互作用。它们的作用方向不一定一致，相互矛盾时，占优势的系统就会主导决策选择。系统1一般受即时满足的影响较大，系统2则能够对直觉冲动行为进行控制，以实现更长期目标。双系统理论可用于解释人类在风险条件下的决策行为。

3.2　决策倾向性与双系统理论

决策倾向性的界定。1905年德国心理学家Narziss Kasper Ach在思维与动作的实验研究中发现了一种人意识不到的定势，这种定势是促进联想的一种准备状态，可以指导人的思维和动作，由此提出“决策倾向性”（determining tendency）的概念，将其定义为个体在决策活动时存在的一种意识不到的定势，会影响决策结果，产生具有个人偏好的决定，又称“决定趋势”^[22]。本研究认为，社交网络中决策倾向性体现在对未来结果不确定的环境中，即风险条件下，人们对选项进行判断和选择的偏好程度。

决策倾向性的双系统理论阐释。社交网络情境下，自我披露既可以是冲动的，也可以是理性的。披露将面临短期和长期的结果，这些结果可能是积极的，也可能是负面的。常见的短期结果是即时的满足感和朋友的支持，且一般缺失长期结果的反馈，导致用户常会忽视长期结果，增加自我披露的长期负面风险。可见，用户决定进行自我披露，及其披露程度的决策过程是部分非理性的过程，突出了决策当中的直觉思维；同时，决策过程中用户也可能会对风险进行默认评估，突出决策当中的理性思维。由此，社交网络中的隐私信息披露决策同样受双系统的指导。本研究旨在通过一个实验性的决策任务，从双系统理论视角，模拟社交网络风险条件下的决策过程，每个决策选项的设置都包含相冲突的短期结果和长期后果。

3.3　问题性使用与双系统理论

问题性使用的界定。如今人们“永久在线，永久连接”的现象被称为问题性使用、过度使用和网络成瘾等，一个常引用的界定^[23]是“过度关注社交网络，被强烈的动机驱使登录使用社交网络，并且在社交网络上花费大量的时间和精力，以至于影响其他社交活动、学习工作、人际关系和心理健康等。”已有研究^[24]验证了问题性使用会导致访问量激增，产生严重的自我披露，增加负面长期后果的风险。也有研究认为^[25]社交网络的问题性使用甚至可以被视为一种临床现象，作为一种临床疾病，就像游戏成瘾和赌博成瘾一样。还有研究认为^[26]社交网络问题性使用是成瘾初期的行为，具有一定程度的成瘾特性，但尚未进入病理性成瘾的范畴。

问题性使用的双系统理论阐释。I-PACE模型^[27-28]是较为常用的网络问题性使用研究框架，该模型中，个体的倾向、情感、认知和行为的相互作用被认为是网络问题性使用的形成机制。基于该模型，个体的内部和外部情境可触发认知和情感反应，随后会作出以特定方式行事的决策倾向。使用社交网络发布个人信息（自我披露）能够获得满足感（如接受正面评论），主观回报预期会增加，该行事方式得到强化，随后类似情境的出现将触发个体反应出更强烈的愿望和更高的满足预期，导致反复使用社交网络展示个人信息进行自我披露。这种行为的循环频次随着时间推移而提高，结果是社交网络问题性使用倾向的个体面临禁止其情感反应的困难，导致更冲动更少控制的行为，系统1逐渐占领决策主导，产生更多的自我披露。甚至，随着时间推移，这个特定的触发因素变得更加突出，系统1完全控制行为决策的倾向，自我披露更加习惯和自动。

04

研究设计

4.1　研究假设

基于双系统理论的决策倾向形成过程，可以预计倾向于短期满足的个体更热衷于在社交网络上披露个人信息，系统2占优势时则更倾向于控制隐私信息的披露，进而规避长期隐私风险，因此社交网络中用户自我披露程度的差异性来源于其决策的倾向性。故提出假设：

假设1：决策倾向性直接影响社交网络中用户个人信息的自我披露。

根据双系统理论，反思过程和冲动过程是相互作用的，由此产生两个问题：一是人们决策倾向有两种，分别是倾向于短期回报和倾向于长期结果，二是对社交网络存在问题性使用的倾向，并且决策选择倾向往往会影响使用的行为^[29]，而问题性使用行为的结果则是大量个人信息的自我披露。故提出假设：

假设2：热衷于短期满足的决策倾向将产生问题性社交网络使用，从而间接影响用户个人信息的自我披露。

社交网络中个人信息披露途径有二：发表帖子和个人资料，前者是动态的，后者相对静态，两者的创建和更新频率不同。帖子提供了与他人进行社交互动更充分的机会，比个人资料更能体验满足感。另外，无论是发表的帖子还是注册的个人资料，均可能包含信息隐私、社会隐私和心理隐私。因此，本研究分别通过发表帖子和注册个人资料两种类型的自我披露，进行假设检验。

4.2　研究框架

依据上述研究假设及其内在逻辑，设计决策倾向性对自我披露的影响机理研究框架，如图1。

图1　研究框架

4.3　决策倾向性的测度

常用的决策行为测度实验主要有爱荷华赌博实验（IGT）、剑桥赌博实验（CGT）、延迟折扣实验（DDT）等，但这些实验的任务要么缺乏社交网络情境中用户隐私决策的矛盾性，要么缺失同时包括短期与长期目标相冲突下积极和负面的后果。本研究采用Schäfer等^[30]提出的决策实验——卡牌与彩票任务实验（CLT，The Cards and Lottery Task）测度用户决策倾向性。依据下述“5.3测度方法的社交网络情境适用性分析”，CLT能够胜任社交网络中用户决策倾向性的测度。

卡牌与彩票任务实验分两个阶段，即卡牌抽取阶段、彩票抽奖阶段，其中后者是在前者基础上实施的。

（a）卡牌要素。依据双系统理论，决策的核心是短期收益与长期风险。使用 Schäfer 等^[29]实验中的价值和符号如下：

（1）卡牌抽取阶段

价值要素：

左牌堆（短期板）：0~100；150~250 

右牌堆（长期板）：-50~50；-150~-50 

符号要素： 

左牌堆（短期板）：

价值要素代表每一次选择所能带来的即时收益或损失的范围（有正有负，既可能有获益，也可能有损失），符号要素代表每一次选择所能带来的长期收益或风险的概率（例，10个格子中只有3个☆，意为获得☆的概率为30%，获得○的概率为0%，不获得符号的概率为70%，以此类推）。每个牌堆有两组价值要素和三组符号要素，这样，每牌堆的组合数量为6种（2×3=6），左右两个牌堆的总组合数量共36种情况（6×6=36）。

（b）卡牌设计。见图2。

图2　卡牌设计示意图

初始资金为0，彩票奖金为5000，初始彩票堆栈中有10个☆和10个○，左右牌堆的可能获得的价值区间和符号的概率已在牌堆上方标明。

（c）卡牌抽取。根据上述卡牌要素设计，共有36种不同组合，故需抽取36个回合。每一回合中，受试者选择左右牌堆中的一个牌堆进行卡牌抽取，点击“抽取”按钮，本课题组编制的抽取代码将从中随机获得一张卡牌（每回合抽取机会只有一次，不可撤回）。抽取结果见示意图3。

图3　抽取结果示意图

图3示例中，受试者选择右牌堆，数字20为右牌堆价值[-50,50]的随机结果，该结果即为本回合所得资金。另外，抽取结果的卡牌所示符号☆为右牌堆符号（3个☆和7个空）的随机结果。

彩票堆栈中符号替换规则。每一回合抽取结果的卡牌可能会显示一个符号，每获得一个☆，则在彩票堆栈替换一个○；同理每获得一个○，则在彩票堆栈替换一个☆；若未获得符号，则彩票堆栈组成不变。若彩票堆栈中的符号出现饱和状态，如全为☆或全为○，再获得相同的符号将存储在堆栈之外，即最终彩票的中奖概率不会超过100%或低于0%（例如，彩票堆栈中已全为☆，再获得一个☆，将存储在堆栈之外，若之后再获得一个○，将与堆栈外的☆抵消）。

彩票堆栈的组成直接影响最终抽奖的获奖概率，且在第五回合之后，隐藏彩票堆栈的可视情况。

（2）彩票抽奖阶段

抽奖环节奖金为5000。中奖规则为：从彩票堆栈中随机抽取符号（符号组成受上述卡牌抽取阶段影响），若抽得☆，则获得全部奖金；若抽得○，则不获得奖金。

受试者最终所得为：第一阶段卡牌抽取所得价值资金+第二阶段彩票抽奖所得奖金。实验中，课题组最终以所得金额的1%支付给受试者。

（3）实验结果呈现形式

实验结果以CLT净得分形式呈现，CLT净得分=选择右牌堆的次数-选择左牌堆的次数。

很明显，CLT净得分的区间为[-36，36]。CLT净得分为正值时，受试者的决策倾向性为长期理性型，且净得分越大，决策倾向的长期性越高。CLT净得分为负值时，受试者的决策倾向性为短期冲动型，且净得分负值越大，决策倾向的短期性越高。

（4）测度方法的社交网络情境适用性分析

上述方法适用于社交网络中用户决策倾向性的测度。分析如下：

其一，社交网络中，用户作出披露个人隐私信息的决策，会产生即时效益，同时存在长期风险；作出保留个人隐私信息的决策，损失即时效益，同时收获无长期风险的利益。采用此测度方法，受试者进行每一轮卡牌决策，选择左侧牌堆，会产生短期收益（获得正分），同时损失长期收益的概率非常高（大概率获得○，导致彩票抽奖的不利）；选择右侧牌堆，损失短期收益（获得负分的概率较高），同时收获长期利益（大概率获得☆，导致彩票抽奖的有利）。因此，无论是社交网络还是本测度方法，决策者的选择都同时存在短期和长期效应。

其二，社交网络中，用户隐私披露决策行为产生的影响无法完全准确地被评估出来，既可能产生积极影响，又可能产生消极影响，无论是哪种影响都有一定的发生概率。采用此测度方法，受试者进行每一轮卡牌决策，其结果的积极收益和负面损失具有概率性，且依据卡牌要素的组成与分布，均可进行计算。因此，无论是社交网络还是本测度方法，决策者的选择产生短期和长期结果存在一定随机性，且有明确概率。

其三，社交网络中，用户的隐私信息披露决策往往是即时收益伴随着潜在风险。采用此测度方法，用户进行每一轮卡牌决策，产生的积极短期影响与负面长期影响相冲突。因此，无论是社交网络还是本测度方法，用户决策产生的短期影响和长期影响互相冲突。

其四，社交网络中，用户披露自己隐私时，往往知悉可能获得什么样的即时满足以及可能面临什么样的潜在风险。采用此测度方法，左右牌堆可能获得“○”和“☆”的概率已在牌堆上方标明，受试者每个决策选项的可能后果及其发生概率显性告知。因此，无论是社交网络还是本测度方法，决策者对其每项决策行为的可能后果明确显示。

其五，社交网络中，用户若一直坚守保留隐私，不进行任何个人信息披露，则不能获得相应的服务和收益。采用此测度方法，受试者总做有利于避免长期风险的决策将不能获得最大的期望收益。因此，无论是社交网络还是本测度方法，对眼前满足的过度克制不应是最有利的决策策略。

其六，社交网络中，用户不顾长期风险总是毫无保留地进行自我披露，以及过于重视风险过度保护隐私而完全不进行自我披露，都不能获得绝对完善的服务和最大的收益。采用此测度方法，若受试者能够抵制眼前的满足和容忍短期的少得甚至损失，将有利于长期的隐私安全，导致积极的预期价值；若受试者主要选择短期收益，同时忽视长期风险，整体将导致负面的期望值。因此，无论是社交网络还是本测度方法，过度满足眼前利益和过度追求长期安全都不应是最有利的决策策略。

4.4　问题性使用的测度

社交网络问题性使用可以归为社交网络使用成瘾初期形成过程中的行为，成瘾量表可以对行为的成瘾度进行比较有效和可靠的评估，因此可采用成瘾测量表对社交网络问题性使用进行测度。

测度网络成瘾最常用的量表之一是Young的互联网成瘾测试（IAT）^[31]，但IAT的阶乘结构仍有争议，为此，已有研究^[32]设计了IAT简本（Short Internet Addiction Test，s-IAT），并验证了其收敛、发散和增量效度等指标的良好性能，该简本由两大因素组成：“时间管理的失控”和“社会问题的展现”，共12个题项，量表总体内部一致性为α=0.855，可靠性较高。

本研究采用s-IAT对社交网络问题性使用倾向进行测度，并结合本研究对象新浪微博进行了适用性调整，将s-IAT中网络传播部分修改为新浪微博，简称s-IAT-微博，评分仍沿用s-IAT的五分李克特量表，从1=“从不”到5=“经常”，总分范围为12—60，表示用户对社交网络问题性使用的程度，s-IAT量表提出问题性使用的临界值，得分>30分表示有问题性使用的风险，得分>37分表示问题性使用^[30]。

s-IAT-微博测度量表见表2。

表2　社交网络问题性使用的测度量表

4.5　自我披露的测度

自我披露指用户与他人交往过程中自愿真实地展露自己形象、倾诉自己思想的行为。社交网络中，自我披露的方式有很多，如私信聊天、注册个人资料、发帖等。

披露形式。本研究选择新浪微博作为社交网络实例进行自我披露的测度。新浪微博上的自我披露形式主要有二：发表帖子和注册个人资料，两者的创建和调整频率不同，一般情况下，用户发帖频率较高，社交互动的机会较多，比个人资料更能体验到满足感。

测度方式。采用实测问卷形式，分两部分：人口统计学特征（包括年龄、性别和学历等），以及自我披露的实测项目。针对后者，基于网络环境三个隐私维度：信息隐私、社会隐私和心理隐私，实际测度新浪微博中的自我披露水平。信息隐私描述个人对其信息内容的敏感性认知；社会隐私描述个人对其接近他人和保持距离方面的敏感性认知；心理隐私注重描述个人对其情感方面和亲密度关系的敏感性认知。

测度方案见表3。

表3　新浪微博自我披露测度方案

05

实验与数据分析

5.1　实验环境

为保证实验质量，本研究的所有实验过程要求受试者与实验者共处于同一密闭空间，受试者首先做CLT实验，实验者计量CLT净得分；其次，填写问题性使用测度量表；最后，进行自我披露实测。自我披露实测要求受试者使用通讯设备登录自己微博，根据其微博真实情况填写实测表格，实验者在旁督看，避免错填漏填。为保护受试者隐私，采用匿名形式，且不留存微博个人资料和帖子内容。

5.2　受试者选择与样本量确定

实验对象为新浪微博用户，实验时间为2022年1月20日—2022年2月10日，实验方式采用面对面有偿调查。共收到88份样本，剔除无效样本（如问卷所有问题均选择同一选项或量表缺失值超过1个），剩余有效样本69份。样本中女性46.4%，男性53.6%，年龄方面，小于20岁占14.5%，20～40岁占75.4%，大于40岁占10.1%。根据微博用户2020用户发展报告^[31]，微博男性用户占比约54%，女性用户占比约46%；00后用户占比14%，90后用户占比47%，80后用户占比29%，70后用户占比7%。本研究调查样本与微博用户整体性别比例与年龄分布接近。利用G*Power软件（版本3.1.9.2）^①分析显示，在多元回归分析的中等效果下，统计检验力为0.826，以0.80的检验力检测中等效果值，计算出样本量至少为64，故本研究收集的有效问卷数量满足样本量需求。

5.3　描述性统计

研究变量的平均值、标准差和范围，见表4。

表4　实验结果统计

由表4可知，CLT 净得分平均值为正值，故整体而言受试者个体倾向于长期选择。根据s-IAT量表提出的临界值^[30]，整体上受试者呈现出问题性使用的风险（因为平均值大于30），并且大约36%受试者的计量值大于37，即呈现出问题性使用。个人资料中隐私项目的平均披露率略大于50%，且该三种可见性设置较为接近。受试者在过去1个月内平均创建了大约9个帖子，在最近10个帖子中平均披露程度中等偏下，发帖可见性大部分是“对所有人”可见。

5.4　相关性分析

计算各双变量之间的皮尔逊相关性系数，结果见表5。

表5　相关性分析结果

依据皮尔逊相关性系数的判断指标：| r |≥ 0.10表示较小的相关性，| r |≥ 0.30 中等相关性，| r |≥ 0.50 较大相关性。由表5可知，决策倾向（CLT净得分）与社交网络问题性使用（s-IAT计量值）具有较小程度的显著负相关；CLT净得分与个人资料披露数量呈较小程度正相关，与发帖数量及通过帖子自我披露的隐私项目数量呈中等程度显著负相关；s-IAT计量值与发帖数量及通过帖子自我披露的隐私项目数量呈较大程度显著正相关；个人资料披露数量和发帖数量分别与其可见性选项间皆呈显著正相关。

5.5　回归分析

根据本研究的假设和研究问题，首先对CLT净得分和s-IAT计量值进行回归（见表6）。接着，对自我披露计算层次回归分析，CLT净得分在第一层， s-IAT计量值在第二层，CLT净得分和s-IAT计量值的相互作用项在第三层；个人资料自我披露的数量以及为每个资料项提供的隐私可见性方面的数量作为该类自我披露的因变量（见表7）；发帖数量、帖子隐私项目数量以及每个可见类别的帖子数量作为发帖自我披露的因变量（见表8）。

由表6可知，CLT得分对s-IAT计量值有显著影响（β=-0.249，p<0.05），其相应的β系数为负，表明显著负相关关系。s-IAT计量值可以解释CLT得分变化量的6.2%（R2=0.062），解释力度较小。

表6　决策倾向性与问题性使用的整体回归结果

由表7可知，就总体决策倾向而言，解释变量CLT净得分仅对个人资料披露数量有显著正向影响（β=0.275，p<0.05），对其余个人资料披露方面的因变量没有显著影响，而解释变量s-IAT计量值对所有个人资料披露方面的因变量均无显著影响。个人资料自我披露的分层回归的结果表明，总体上没有极其显著的影响作用，但在以个人资料披露数量为因变量时，CLT净得分有一个显著正向影响，在这种情况下，整体模型仍然不显著。

表7　个人资料自我披露的分层回归结果

由表8可知，解释变量CLT得分对发帖数量（β=-0.408，p<0.01）、发帖披露隐私项目数量（β=-0.313，p<0.01）以及发帖可见“只对我”有显著影响（β=-0.310，p<0.05），尤其是对发帖数量、发帖披露隐私项目数量具有极其显著的影响，解释力度较大，其相应的β系数为负，表明负相关关系。

解释变量s-IAT计量值对发帖数量（β=0.517，p<0.01）、发帖披露隐私项目数量（β=0.549，p<0.01）以及发帖可见“对所有人”（β=0.466，p<0.01）有显著影响，尤其是对发帖数量、发帖披露隐私项目数量具有极其显著的影响，解释力度较大，其相应的β系数为正，表明正相关关系。

关于第三层回归，以发帖数量为因变量时，可以看到解释变量CLT得分和s-IAT计量值都对整体模型产生显著影响；以发帖披露隐私项目数量为因变量时，仅s-IAT计量值对整体模型产生极其显著正向影响；以发帖可见“只对我”为因变量时，仅CLT得分显著，对整个模型产生显著正向影响，但显著性有所减弱；以发帖可见“对所有人”为因变量时，仅s-IAT计量值显著，对整个模型产生显著正向影响。

表8　发帖自我披露的分层回归结果

5.6　影响机理分析

本项研究目的是探索决策倾向性对自我披露的影响机理，包括直接影响和间接影响。根据上述相关性分析和回归分析，探索影响机理如下：

影响机理1：短期冲动型决策倾向直接导致发帖式自我披露，包括较高的发帖频率和发帖内容中的较多隐私项目。采用CLT净得分表示决策倾向性，分值越大，理性决策倾向越高，反之，冲动决策倾向越强。相关性分析和回归分析显示，CLT净得分与发帖数量及通过帖子披露的隐私项目数量呈显著负相关，且解释力度较大，证明该项影响机理存在。

影响机理2：问题性使用增加发帖式自我披露。本研究采用s-IAT计量值表示问题性使用程度，得分越高表明问题性使用程度越高。在相关性分析和回归分析中，s-IAT计量值对发帖式自我披露尤其是对所有人可见的发帖式自我披露有极其显著的正向影响，且解释力度较大，证明该项影响机理存在。可能的解释在于：问题性社交网络使用的早期阶段，创建帖子可以满足个体被认可的需求，扩大帖子可见范围可以增强该需求，随着时间推移，逐渐增进个体冲动强度，对满足的期望越来越高，自我披露也越来越多。

影响机理3：短期冲动型决策倾向和问题性使用均导致严重的发帖式自我披露，但个人资料式自我披露甚少。可能的解释为：两者存在异质性，帖子可供用户频繁披露和分享不同个人信息，增强来自他人反馈的体验，但个人资料稳定性大，披露频率的增加无助于个体体验的强化。

影响机理4：问题性使用在决策倾向性和自我披露之间起到部分中介作用^[32]。无论是相关性分析，还是回归分析，CLT净得分与s-IAT计量值均具有显著负相关，但解释力度较小，且CLT净得分和s-IAT计量值都对部分自我披露指标有显著影响。可能的解释是：决策倾向不是导致问题性使用的唯一因素，特定回报预期和预期满足感的认知等可能与产生问题性使用的关联更密切。

综上，上述机理1和机理3验证了假设1，但仅限于发帖式自我披露；机理2、3和4部分验证了假设2，也仅限于发帖式自我披露。

06

研究结论的价值和局限性

理论价值。研究结果表明，采用决策双系统理论洞察社交网络中隐私信息披露决策，有助于解释看似矛盾的隐私信息披露行为；短期冲动型决策者通过忽视长期风险来获得短期满足，很容易在社交网络上发布大量帖子进行自我披露；问题性使用者在社交网络中也会增加发帖实现自我披露，决策倾向性在一定程度上导致问题性使用，进一步强化自我披露。相较本研究结论，已有研究中较少从生理和心理角度对个人隐私信息披露的探讨，也较少见实际测试社交网络个人信息披露决策倾向性的探索；社交网络问题性使用会导致自我披露的加强，这与已有研究相符，在图书情报学领域较少有对问题性使用直接或间接影响自我披露的深入探讨，相关研究中问题性使用仅作为因变量，本文将问题性使用作为因变量和中间变量共同探讨。因此，本研究结果丰富和补充了社交网络中用户披露个人隐私信息的理论基础。

实践价值。一是政府管理部门可以参考本研究结论，规范社交网络平台的相关“默认选项”。比如，不少社交网络的默认选项都存在一定的越轨现象，即只要用户不反对则默认为同意，使服务商从基本利益出发获取过多的用户信息，因此可建议制定相应隐私保护政策，使社交网络默认设置基于用户角度出发，满足用户隐私信息保护优先原则，规范社交网络服务商的默认设置不合理现象。二是社交平台可以应用本研究结果，适当调整完善用户隐私政策，向用户及时反馈披露的个人信息可能存在的长期风险。反馈方式如，当用户发送包含隐私性个人信息的帖子时，弹出一个提示框，以提醒用户隐私泄露的可能性和产生的不良后果，有助于用户克制冲动，作出理性决策，降低披露数量，减少披露帖子中产生负面影响的隐私内容项目。问题性使用者的表现是大量自我披露，社交平台可以计量用户披露信息的数量和频率，当达到阈值时，实施预防干预机制，提示用户有潜在的自我披露风险。三是社交平台对其隐私声明需要进行批判性的调查研究，制定满足用户保护需求的隐私政策，利于用户作出知情、有意识和更理性的决策。例如，部分平台需改变隐私政策默认接受的状态，提高用户对政策相关内容的阅读率与熟悉度。四是作为隐私保护主体的用户自身应参考本研究，进一步提高隐私保护意识，进行必要的隐私风险防范。如在不影响自身社交目的的情况下，主动减少数字化行为，有节制地披露个人隐私敏感信息，使自身隐私披露与社交需求达到相对平衡。

局限性。一是本研究对在新浪微博中用户自我披露进行测度时，仅从披露数量视角进行统计，比如个人资料中隐私项目的数量、隐私项目的可见性设置统计，发布帖子的数量、内含隐私项目数量、可见性设置统计等，没有考虑个人资料和发布帖子的内容敏感程度。实际上，隐私涵义指隐私主体对隐私客体的敏感性和敏感程度的认知，故自我披露的隐私性同时包括披露的数量和披露内容的敏感程度，后续研究需完善微博个人隐私信息自我披露的测度算法，加入自我披露内容的敏感程度要素。二是本研究对决策倾向的测度不是在一个具体的实际社交情境中，而是在模拟社交情境环境中实施的，可能会使受试者作出与实际社交网络中不同的决策反应，后续研究需开发一种真实的社交网络决策情境，提升研究结论的准确度。

参考文献

[1]　Emler N. A social psychology of reputation[J]. European Review of Social Psychology, 1990, 1(1): 171-193.

[2]　Tamir D I, Mitchell J P. Disclosing information about the self is intrinsically rewarding[J]. Proceedings of the National Academy of Sciences, 2012, 109(21): 8038-8043.

[3]　Marshall T C, Lefringhausen K, Ferenczi N. The Big Five, self-esteem, and narcissism as predictors of the topics people write about in Facebook status updates[J]. Personality and Individual Differences, 2015, 85: 35-40.

[4]　Cheung C, Lee Z W Y, Chan T K H, et al. Self-disclosure in social networking sites: The role of perceived cost, perceived benefits and social influence[J]. Internet Research: Electronic Networking Applications and Policy, 2015, 25(2): 279-299.

[5]　袁向玲，牛静．社交媒体隐私政策与用户自我表露的实证研究：一个被调节的中介模型[J]．信息资源管理学报，2021，11(1)：49-58．

[6]　张玥，孙霄凌，陆佳莹，等．基于隐私计算理论的移动社交用户信息披露意愿实证研究——以微信为例[J]．图书与情报，2018(3)：90-97．

[7]　李贺，余璐，许一明，等．解释水平理论视角下的社交网络隐私悖论研究[J]．情报学报，2018，37(1)：1-13．

[8]　Kehr F, Kowatsch T, Wentzel D, et al. Blissfully ignorant: The effects of general privacy concerns, general institutional trust, and affect in the privacy calculus[J]. Information Systems Journal, 2015, 25(6): 607-635.

[9]　陈姝，窦永香，张青杰．基于理性行为理论的微博用户转发行为影响因素研究[J]．情报杂志，2017，36(11)：147-152，160．

[10]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.

[11]李征仁．移动互联网环境下用户隐私关注的影响因素及隐私信息扩散规律研究[D]．北京：北京邮电大学，2014．

[12]朱侯，李佳纯．社交媒体用户隐私设置行为实证研究——以微信平台为例[J]．现代情报，2020，40(3)：169-177．

[13]王彦兵，郑菲．国外SNS用户个人信息披露实证研究的影响因素及其理论评述[J]．情报杂志，2016，35(5)：201-207．

[14]Dienlin T, Trepte S. Is the privacy paradox a relic of the past? An in-depth analysis of privacy attitudes and privacy behaviors[J]. European Journal of Social Psychology, 2015, 45(3): 285-297.

[15]沈旺，高雪倩，代旺，等．基于解释水平理论与调节定向理论的社交网络隐私悖论研究[J]．情报科学，2020，38(8)：120-127，140．

[16]Bandara R, Fernando M, Akter S. The privacy paradox in the data-driven marketplace: The role of knowledge deficiency and psychological distance[J]. Procedia Computer Science, 2017, 121: 562-567

[17]刘百灵，董景丽．基于CPM理论的移动商务用户信息披露意愿影响因素研究[J]．信息资源管理学报，2022，12(1)：56-66，115．

[18]Zlatolas L N, Welzer T, Hlbl M, et al. A model of perception of privacy, trust, and self-disclosure on online social networks[J]. Entropy (Basel), 2019, 21(8): e772.

[19]Chen R. Living a private life in public social networks: An exploration of member self-disclosure[J]. Decision Support Systems, 2013, 55(3): 661-668.

[20]杨姝，王刊良，王渊．网络创新背景下隐私关注与保护意图跨情境研究——以购物、招聘、游戏和搜索行业为例[J]．管理学报，2009，6(9)：1176-1181．

[21]朱侯，刘嘉颖．共享时代用户在线披露个人信息的隐私计算模式研究[J]．图书与情报，2019(2)：76-82．

[22]Narziss K A. ber die Willensttigkeit und das Denken[M].Gttingen: Vandenhoeck & Ruprecht, 1905:249.

[23]Andreassen C S, Pallesen S. Social network site addiction - An overview[J]. Current Pharmaceutical Design, 2014, 20(25): 4053-4061.

[24]Chang C W, Heo J. Visiting theories that predict college students’self-disclosure on Facebook[J]. Computers in Human Behavior, 2014, 30:79-86.

[25]Wegmann E, Müller S M, Ostendorf S, et al. Highlighting Internet-communication disorder as further internet-use disorder when considering neuroimaging studies[J]. Current Behavioral Neuroscience Reports, 2018, 5(4): 295-301.

[26]Guedes E, Nardi A E, Guimares F M C L, et al. Social networking, a new online addiction: A review of Facebook and other addiction disorders[J]. Medical Express, 2016, 3(1): M160101.

[27]Brand M, Young K S, Laier C, et al. Integrating psychological and neurobiological considerations regarding the development and maintenance of specific Internet-use disorders: An Interaction of Person-Affect-Cognition-Execution (I-PACE) model[J]. Neuroscience & Biobehavioral Reviews, 2016, 71:252-266.

[28]Brand M, Wegmann E, Stark R, et al. The Interaction of Person-Affect-Cognition-Execution (I-PACE) model for addictive behaviors: Update, generalization to addictive behaviors beyond Internet-use disorders, and specification of the process character of addictive behaviors[J]. Neuroscience & Biobehavioral Reviews,2019,104. doi:10.1016/j.neubiorev.2019.06.032

[29]Schiebener J, Brand M. Decision-making and related processes in Internet gaming disorder and other types of Internet-use disorders[J]. Current Addiction Reports, 2017, 4(3): 262-271.

[30]Schfer L, Schmidt R, Müller S M, et al. The cards and lottery task: Validation of a new paradigm assessing decision making under risk in individuals with severe obesity[J]. Frontiers in Psychiatry, 2020, 11: 690.

[31] Young K S . Caught in the net: How to recognize the signs of internet addiction and a winning strategy for recovery[J]. Assessment, 1998, 21(6):713-722.

[32]Pawlikowski M, Altstotter G C, Brand M. Validation and psychometric properties of a short version of young’ s Internet addiction test[J]. Computers in Human Behavior, 2013, 29(3): 1212-1223.

[33]微博数据中心.微博2020用户发展报告[R/OL]．[2022-01-10]. https:// s.weibo.com/weibo?q=%23%E5%BE%AE%E5%8D%9A%E7%94%A8%E6%88%B7%E5%8F%91%E5%B1%95%E6%8A%A5%E5%91%8A%23&from=default&sudaref=weibo.com.

[34]温忠麟，张雷，侯杰泰，等．中介效应检验程序及其应用[J]．心理学报，2004(5)：614-620．

（收稿日期：2022-06-04）

作者简介

臧国全，教授，博士生导师，研究方向为数据隐私, Email：zangguoquan@zzu.edu.cn；

吴怡（通讯作者），硕士生，研究方向为数据隐私，Email：vic542311100@qq.com。

* 原文载于《信息资源管理学报》2023年第2期，欢迎个人转发，公众号转载请联系后台。

* 引用格式

臧国全，吴怡.决策倾向性对个人隐私信息披露的影响机理研究——以社交网络新浪微博为例[J].信息资源管理学报，2023,13(2):67-80.

往期 · 推荐

往期荐读 2022年第5期 | 政府信息公开中的个人隐私保护：基于重大突发公共卫生事件情境的研究

往期荐读 2021年第1期 | 失控的数据:数字阅读隐私问题研究

往期荐读 2021年第1期 | APP隐私政策用户友好度评价研究

当期目录 | 2023年第2期

当期荐读 2023年第2期 | 热点事件中社交媒体群体极化形成机理研究

▲点击访问信息资源管理学报小程序

制版编辑 | 王伊杨

审核 | 于阿媛

长按识别二维码关注我们

信息资源管理学报

微信号

xxzyglxb

分享、在看与点赞

只要你点，我们就是朋友😊