移动社交媒体用户自我披露行为研究

黄程松 王雪 胡哲

摘 要 本文运用隐私计算模型、计划行为理论和依恋理论构建综合模型，采用问卷调查法和结构方程建模法，对探索移动社交媒体用户自我披露行为的主要影响因素。研究发现，感知收益对自我披露的积极影响最显著，其次是依恋，感知信息控制和主观规范也对自我披露有正向影响，而隐私担忧对自我披露无显著影响。基于此，本文对移动社交媒体服务供应商、政府部门、教育工作者和用户提出了建议。

关键词 自我披露 移动社交媒体 隐私计算 依恋

分类号 G252

DOI 10.16810/j.cnki.1672-514X.2019.11.003

Study on Self-disclosure of Mobile Social Media Users

Huang Chengsong， Wang Xue， Hu Zhe

Abstract A comprehensive model is constructed based on the privacy calculus， the theory of planned behavior， and the attachment theory. Then an empirical study are conducted using questionnaires and structural equation modeling methods to explore the main influencing factors of self-disclosure behavior of mobile social media users. This study finds that perceived benefit has the most positive impact on self-disclosure， followed by attachment， subjective norms and perceived information control also have a positive impact on self-disclosure， while privacy concerns has no significant effect on self-disclosure. Moreover， this paper provides some recommendations for mobile social media service providers， government departments， educators and users.

Keywords Self-disclosure. Mobile social media. Privacy calculus. Attachment.

目前，全球移動社交活跃用户已达27.8亿人，约占总社交媒体用户数的92%[1]，已成为用户社交的主流方式。用户在使用移动社交媒体应用搜集、发布、交换或分享信息之际，也意味着用户要就自我披露做出决策[2]。自我披露（self-disclosure） 指“两个及以上用户的相互作用，是一方主动、故意且自愿向他人披露个人信息（如照片、位置等）”，以此形成亲密关系、产生社会联系、获得社会认可[3]。但是，满足用户和平台利益的自我披露会增加用户的隐私担忧，影响移动社交媒体的稳健发展。中国互联网协会的报告显示在线隐私权最受网民（约92%）重视[4]。但风险并未阻止用户进行自我披露，相反，用户愿意接受自我披露带来的隐私风险以换取潜在收益。因此，本文尝试从用户的角度出发，结合隐私计算、依恋理论和计划行为理论等研究移动社交媒体用户自我披露行为的影响因素，并对移动社交媒体环境的运营建设、移动社交媒体用户隐私信息的保护与安全意识提出建议。

1 涉及移动社交媒体用户自我披露行为的基础理论

1.1 隐私计算

隐私计算（Privacy Calculus）将社交媒体参与和自我披露概念转化为信息系统环境中的成本—收益权衡，主要将披露成本视为隐私威胁，而个人可以用隐私来交换更多潜在利益[5]。Krasnova等结合焦点小组讨论与隐私计算模型，开发并验证了包含259个题项的自我披露结构方程模型，发现隐私风险是建立新关系、维持现有关系和享受等信息披露动机的重要障碍，但隐私风险可以通过用户对SNS服务供应商的信任等来减轻[6]。Stern等基于隐私计算模型，发现感知风险和感知收益都是自我披露的重要前提，态度和主观规范显著影响在线社交媒体的使用，使用隐私设置不会阻碍自我披露，为用户提供隐私保护的工具是有成效的[7]。用户通过权衡潜在风险与收益来决定是否选择自我披露，常见的感知风险有隐私担忧、隐私关注和隐私态度等;常见的感知收益有自我呈现、社会资本、娱乐享受和互惠等。就个人信息而言，当预期收益超过潜在风险时产生自我披露的动机[8]。

1.2 计划行为理论

计划行为理论（Theory of Planned Behavior， TPB） 认为行为态度、感知行为控制和主观规范是行为意愿的主要影响因素，直接决定了行为的采纳[9]。TPB在处理个人预期时可以较方便地结合不同理论（如隐私计算模型、人格特质理论等）和变量（如信任、依恋、沉浸、亲和力等），用来解释移动社交媒体用户对个人信息的自我披露[10]。用户的感知风险和预期收益等决定了行为态度;用户对隐私的自我披露与控制程度体现了感知行为控制;影响用户自我披露的人的态度体现了主观规范[5]。Shibchurn等从TPB、激励理论和隐私计算出发构建模型，推断信息和奖励的模糊性可能是用户进行自我披露的重要影响因素[11]。Kim等将自恋引入TPB来研究社交媒体上发布自拍的影响因素，发现对自拍张贴行为的态度、主观规范、感知行为控制和自恋是用户在社交媒体上张贴自拍的决定因素[9]。刘百灵等以用户的态度为中介，发现隐私担忧、信任和感知愉悦对个人信息披露意愿均有显著影响，隐私政策、互动沟通和激励政策对信任均有显著的正向影响[12]。

1.3 依恋理论

依恋理论认为，婴儿对优势护理人员的依恋影响人际交往关系的塑造。Ainsworth等在研究“陌生情境”中的行为时发现三种风格的依恋：安全、矛盾和回避[13]。依恋理论一直被用于探索成年人关系、浪漫的伙伴关系、情感功能和社会自我效能等，能与大学生的人际交往、社交行为和交际能力相联系[14]，其工作模式包括依恋焦虑和依恋回避[15]，有助于理解移动社交媒体用户的自我披露行为。依恋焦虑解决了个人在有需要时找不到伴侣的忧虑程度;依恋回避解决了个人对合作伙伴的信誉缺乏信任的程度，并因此试图保持与合作伙伴之间的行为独立性和情感距离[16]。在移动社交媒体环境中，Trub等探讨了依恋与博客使用行为之间的关系[17]，其他研究集中在依恋和Facebook使用行为上。依恋焦虑被认为与个人使用社交媒体有关，用来避免用户间面对面交流，也反映了亲密感[18]。依恋安全水平则预测了个人社交关系的数量和开始网络关系的意愿，回避分数减少预示着向他人传递信息的意愿增加[19]。Aharony等提出了依恋变量与WhatsApp成员组重要性之间复杂而模糊的关系[20]，扩展并证实依恋能显著预测Facebook自我披露[14]。

2 移动社交媒体用户自我披露研究模型和假设构建

本文构建移动社交媒体用户自我披露行为模型，从感知的成本——收益因素研究移动社交媒体用户自我披露的影响因素，并考察依恋在自我披露中的作用。

2.1 感知收益

2.1.1 感知收益与其对应的一阶反映式变量的关系

隐私收益指个人信息披露后获得的对用户有益的结果，网络用户对关系资本的需求促进了自我披露行为[5]。Krasnova等将感知收益作为隐私收益，对社交媒体自我披露行为进行研究，包括关系资本、社会融入与适应、自我呈现、个性化服务和娱乐享受等[6]。大量研究对自我披露的感知收益进行了具体化探索。Mcknight等将感知收益细化为感知有用性、享受和信任信念[21];Chennamaneni等将使用动机概念化为寻求关注、保持联系、享受和维持关系等，以代替感知收益[3];Chenug等用方便维持现有关系、自我呈现和享受等衡量感知收益[22];Min等从动机和自我呈现来反映感知收益[23]。结合已有文献和移动社交媒体环境，本研究把感知收益构建为反映式二阶潜在变量，包含个性化服务、实时自我呈现和即时享受三个一阶变量。

2.1.2 感知收益与自我披露

实时自我呈现是“向他人传达对方感兴趣的印象”的策略，强调用户能够根据不同的情境要求以有利的方式呈现自我[22]。移动社交媒体开发的高级功能允许用户对披露的信息拥有更高控制权，以定制和展示其个人资料、构建和维护其自我形象，以此改变其社交地位[24]。移动社交媒体不仅是一种与他人联系的渠道，也是日常娱乐和即时享受的主要来源，即时享受是来自移动互联网使用的内在奖励，鼓励用户公开他们的个人信息[21]。用户愿意牺牲个人隐私以换取符合自身需求的个性化服务，当用户向服务供应商、商家披露个人信息时，后者通过搜集和分析数据为用户定制服务[25]。因此进行如下假设。

H1：感知收益正向影响自我披露。

2.2 隐私担忧

隐私担忧是用户对自己在移动社交媒体上分享的信息被搜集、存储、使用或滥用的忧虑，反映了用户对隐私外泄和濫用产生的潜在风险的反应，隐私担忧会阻碍用户自我披露[26]，并增加信息保护行为意愿，用户可能更倾向于拒绝向移动社交媒体提交个人信息或提交虚假信息[8]。Stutzman等证明高水平的隐私担忧促使用户在线阅读隐私政策[27]，但即使用户会担心潜在威胁，隐私担忧仍对在线自我披露影响不大或没影响，甚至对某些利益的衡量使用户愿意忍受风险的存在。一般认为，移动社交媒体自我披露的高风险不可取[3]，隐私担忧是移动社交媒体用户在进行自我披露时考虑的成本。因此进行如下假设。

H2：隐私担忧负向影响自我披露。

2.3 感知信息控制

信息控制指用户对在线发布个人信息的控制能力，当用户对个人信息没有足够的控制权时会产生隐私担忧，这种感知阻止他们进行自我披露或使用在线服务[28]。控制允许用户决定披露多少信息，以及如何披露自己的信息[24]。Stutzman等在2005—2011年对5076名Facebook用户进行追踪研究，发现用户披露的个人信息的数量和范围随时间的推移而增加，这是由于隐私控制措施导致的隐私政策和隐私设置的改变[29]。但仍有大量用户认为隐私设置不够，或因太复杂而使用不足，导致用户担心潜在的威胁[16]。服务供应商应向其用户提供多种选择，使用户能在移动环境中控制其个人信息。但出于战略和管理的原因，供应商可能会限制这种功能（如选择临时退出而非永久退出）[30]。当用户对信息有高度感知控制时，他们倾向于公开、分享个人信息。因此进行如下假设。

H3：感知信息控制正向影响自我披露。

2.4 主观规范

主观规范反映了用户在行为中的社会规范或规范压力，对探索用户在不同情境下实施各类行为及其意愿起关键作用[31]，主观规范可能将群体行为准则应用于个体行为上[32]。社会文化会影响社交媒体用户的自我披露，同伴压力也会导致社交媒体用户披露大量个人信息，而学生更有可能使用其同学推荐的社交媒体进行自我披露[23]。主观规范促使正在进行自我披露的用户将其行为和用户间的信任相联系[33]，感知成本受主观规范影响，进而影响自我披露[34]。用户使用移动社交媒体来建立和维护社交网络，因此可能会考虑自我披露与社会期望和规范活动的关系，从而与其同伴或参照群体的期望保持一致[35]。因此进行如下假设。

H4：主观规范正向影响自我披露。

2.5 依恋

移动社交用户的友好关系和舒适程度被定义为情感依恋，通过即时互动可以增加归属感和亲密度[14]。用户依恋可以通过依恋焦虑和依恋回避来衡量，其中高度的依恋回避可能会导致用户对参与社交的能力不自信，从而放弃自我呈现，甚至拒绝自我披露[36]。对移动社交媒体的依恋，使用户对其有良好的态度并产生长期使用意愿，促使用户进行自我披露。当用户在没有任何潜在收益的驱使下仍使用移动社交媒体进行自我披露时，依恋存在。因此进行如下假设。

H5：依恋正向影响自我披露。

3 量表设计与数据搜集

本模型共有8个一阶潜变量。为确保潜变量和题项的内容效度，本文研究的潜变量和题项均改编自已有文献。其中，依恋改编自Aharony的研究[14]，隐私担忧改编自Xu等的研究[5]，实时自我呈现改编自Krasnova等的研究[6]，即时享受改编自Kim等的研究[37]，个性化服务改编自Wang等的研究[24]，感知信息控制改编自Dinev等的研究[28]，主观规范改编自Keith等的研究[32]。每个潜变量有3至4个题项，采用7点Likert量表进行测量，7为强烈同意，1为强烈不同意。

初步完成问卷设计后，随机邀请了20位长期活跃于微信、QQ、新浪微博等移动社交媒体的用户开展预调查，根据用户反馈调整问卷的部分题项及概念，以便在正式数据搜集时受访者可以更好理解题项并有效填写。之后借助问卷星开展正式调查，邀请正在使用移动社交媒体的用户完成问卷以搜集数据。本次调查持续七周，得到有效问卷488份，表1是样本基本信息统计。

4 数据分析与结果

4.1 测量模型检验

测量模型的有效性取决于内容效度、收敛效度和区分效度[38]。本文题项均从已有文献改编，且在正式调查前通过预调查以完善文字表述，可以视量表内容有效。表2中AVE是平均抽取方差，通常AVE>0.5即潜变量收敛效度较好[38]，研究模型AVE≥0.664，表明该模型收敛效度较好。对比AVE平方根和潜变量的相关系数可以评估区分效度[38]，表3显示AVE平方根均大于该潜变量与其他潜变量间的相关系数，表明该模型区分效度较理想。信度通过潜在变量的内部一致性系数（Cronbachs α）和组合信度（Composite Reliability， CR）来测评，一般潜变量的CR值和Cronbachs α值>0.7就能认为该模型有较理想的信度[38]。表2中CR≥0.888，Cronbachs α≥0.831，表明测量模型信度较理想。

4.2 研究模型结果

本研究通过偏最小二乘（Partial Least Squares，PLS）结构方程建模（Structural Equation Modeling，SEM）和bootstrap重复抽样，来分析数据并评估显著性，重复抽样数是1000。图1是移动研究社交媒体用户自我披露模型结果。

由图1可知，自我披露的R2（被解释方差）为0.367，表明该研究模型具有良好的预测效果。感知收益到个性化服务、实时自我呈现和即时享受的路径系数均大于0.7，能够认为本研究的感知收益是构建良好的二阶模型，因此本文构建的感知收益二阶模型得到验证。除隐私担忧对自我披露无显著影响外，感知收益、依恋、感知信息控制和主观规范均正向影响自我披露。在这些变量中，感知收益对自我披露的影响解释力最大，路径系数为0.433，其次是依恋（0.122）、感知信息控制（0.121）和主观规范（0.105）。

5 讨论与启示

本研究从隐私计算、计划行为理论和依恋理论出发，研究移动社交媒体用户自我披露行为的影响因素。发现感知收益、感知信息控制、主观规范和依恋是决定用户自我披露的重要因素，但隐私担忧对自我披露无显著影响。原因可能是用户没有意识到自我披露的潜在风险。用户在享受移动社交媒体的便利时，很少关注在线自我披露的风险，甚至愿意用一定风险换取预期收益。感知收益对移动社交媒体自我披露行为的影响力最大，用户的感知收益越多，他们进行自我披露的程度也越高。依恋对自我披露行为的积极影响表明对移动社交媒体有高度情感依恋的用户更有可能自我披露，移动社交媒体在避免面对面交流的基础上为用户提供互动机会[14]。通过在虚拟世界中寻求认同和关注，用户可能会获得情感寄托。随着用户群体的年轻化趋势和老龄用户的增多，以及通过“打感情牌”骗取用户隐私的新型网络犯罪兴起，情感因素将成为研究用户自我披露行为的独特视角。主观规范和感知信息控制均正向显著影响自我披露行为，说明用户对自身信息的掌控和用户现实存在的社会关系及相应的同伴压力、价值观等都对自我披露起重要作用。本文不支持隐私担忧对自我披露的影响，但其作用在现有文献中已得到充分验证[3，5，23]，这种不一致可能是由于受访者间存在文化差异，强烈集体主义者希望在移动社交互动中与他人融为一体，一般会更倾向于互惠和情感寄托，隐私担忧对自我披露的影响可能因此减弱。

综上，本研究对移动社交媒体服务供应商、相关政府部门、教育工作者和用户提出了一些建议。用户应强化隐私观和责任心，明确使用目的并充分了解隐私政策，在法律允许的范围内进行自我披露、保护隐私信息、维护合法权益。相关政府部门应制定针对隐私安全与保护的法律法规，惩罚网络信息犯罪，推进移动网络实名制，提供制度与法律保障。考虑到学生群体占据一定比例，建议应加强教育工作者的相关意识，以此提高学生用户对自我披露潜在风险的认知。服务供应商应开发更多新功能和服务，为用户提供愉悦高效的社交体验，使用户更愿意自我披露。同时，应用更醒目的方式声明隐私政策和倡议实名制，提醒用户进行自我披露的代价，并争取减少虚假信息。另外，针对不同用户群体，服务供应商应强调社会关系和用戶自身的价值体系，重视用情感因素吸引用户，分析用户的情感变化以提供针对性服务。

本文亦存在一些局限。首先，没有考虑文化差异对模型的影响[22]。其次，本文的模型仅研究了部分影响因素，外向性、开放性、自尊、自恋等因素在已有研究中也被证明与在线自我披露有关，未来可以对习惯、孤独、经验等因素进行研究。此外，未来可对比研究用户向朋友、认识的人、陌生人等进行自我披露的态度、意愿和行为，为健全相关法律法规和隐私政策提出合理化建议，并考虑文化差异对自我披露的影响，将用户使用差异纳入不同地区移动社交媒体的设计中。

參考文献：

?

[1]胖鲸智库. 《2017全球社交网络调查》：社交媒体用户数量达30亿[EB/OL]. [2018-04-10]， https：//socialone.com.cn/2017-global-digital-review-2017/.

[2]CHENNAMANENI A， TANEJA A. Communication privacy management and self-disclosure on social media-a case of Facebook[C]. Proceedings of the 21st Americas Conference on Information Systems， 2015：1–11.

[3]武晓莉， 任震宇. 《中国网民权益保护调查报告（2016）》盘点网络侵权现象[N]. 中国消费者报， 2016-06-30（005）.

[4]PERENTIS C， VESCOVI M， LEONARDI C， et al. Anonymous or Not？ Understanding the Factors affecting personal mobile data disclosure [J]. ACM Transactions on Internet Technology， 2017， 17（2）：1-19.

[5]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.

[6]KRASNOVA H， SPIEKERMANN S， KOROLEVA K， et al. Online social networks： why we disclose [J]. Journal of Information Technology， 2010， 25（2）：109-125.

[7]STERN T， SALB D. Examining online social network use and its effect on the use of privacy settings and profile disclosure [J]. Bulletin of Science Technology & Society， 2015， 35（1-2）：25-34.

[8]SMITH H J， DINEV T， XU H. Information privacy research： an interdisciplinary review [J]. MIS Quarterly， 2011， 35（4）：989-1015.

[9]KIM E， LEE J A， SUNG Y， et al. Predicting selfie-posting behavior on social networking sites [J]. Computers in Human Behavior， 2016， 62（C）：116-123.

[10]AJZEN I. The theory of planned behaviour： reactions and reflections [J]. Psychology & Health， 2011， 26（9）：1113-1127.

[11]SHIBCHURN J， YAN X. Information disclosure on social networking sites： An intrinsic–extrinsic motivation perspective [J]. Computers in Human Behavior， 2015， 44：103-117.

[12]刘百灵， 夏惠敏， 李延晖. 移动购物用户信息披露意愿影响因素的实证研究：基于公平理论和理性行为理论视角[J]. 情报理论与实践， 2017， 40（5）：87-93.

[13]AINSWORTH M D. Attachments beyond infancy [J]. American Psychologist， 1989， 44（4）， 709-716.

[14]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.

[15]COLLINS N L. Cognitive representations of attachment： the content and function of working models [M]. Blackwell Handbook of Social Psychology： Interpersonal Processes. Blackwell Publishers Ltd， 1994：60-85.

[16]CHOI N. Information systems attachment： An empirical exploration of its antecedents and its impact on community participation intention [J]. Journal of the American Society for Information Science & Technology， 2013， 64（11）：2354–2365.

[17]TRUB L， REVENSON T A， SALBOD S. Getting close from far away： mediators of the association between attachment and blogging behavior [J]. Computers in Human Behavior， 2014， 41（41）：245-252.

[18]NITZBURG G C， FARBER B A. Putting up emotional （Facebook） walls？ Attachment status and emerging adults' experiences of social networking sites [J]. Journal of Clinical Psychology， 2013， 69（11）：1183–1190.

[19]YAAKOBI E， GOLDENBERG J. Social relationships and information dissemination in virtual social network systems： An attachment theory perspective [J]. Computers in Human Behavior， 2014， 38（2）：127-135.

[20]AHARONY N， GAZIT T. The importance of the Whatsapp family group： an exploratory analysis [J]. Aslib Journal of Information Management， 2016， 68（2）：174-192.

[21]MCKNIGHT D H， LANKTON N， TRIPP J. Social networking information disclosure and continuance intention： a disconnect [C]. Hawaii International Conference on System Sciences. IEEE， 2011：1-10.

[22]CHEUNG C， LEE Z W Y， CHAN T K H. Self-disclosure in social networking sites [J]. Internet Research， 2015， 25（2）：279-299.

[23]MIN J， KIM B. How are people enticed to disclose personal information despite privacy concerns in social network sites？ The calculus between benefit and cost [J]. Journal of the Association for Information Science & Technology， 2015， 66（4）：839–857.

[24]WANG T， DUONG T D， CHEN C C. Intention to disclose personal information via mobile applications： A privacy calculus perspective [J]. International Journal of Information Management， 2016， 36（4）：531-542.

[25]HSIAO C H， CHANG J J， TANG K Y. Exploring the influential factors in continuance usage of mobile social Apps： Satisfaction， habit， and customer value perspectives [J]. Telematics & Informatics， 2016， 33（2）：342-355.

[26]AWAD N F， KRISHNAN M S. The personalization privacy paradox： an empirical evaluation of information transparency and the willingness to be profiled online for personalization [J]. Mis Quarterly， 2006， 30（1）：13-28.

[27]STUTZMAN F， CAPRA R， THOMPSON J. Factors mediating disclosure in social network sites [J]. Computers in Human Behavior， 2011， 27（1）：590-598.

[28]DINEV T， HART P. An extended privacy calculus model for e-commerce transactions [J]. Information Systems Research， 2006， 17（1）：61-80.

[29]STUTZMAN F， GROSS R， ACQUISTI A. Silent listeners： The evolution of privacy and disclosure on facebook [J]. Journal of Privacy and Confidentiality， 2012， 4（2）：7-41.

[30]HAJLI N， LIN X. Exploring the security of information sharing on social networking sites： the role of perceived control of information [J]. Journal of Business Ethics， 2016， 133（1）：111-123.

[31]BELDAD A D， HEGNER S M. More photos from me to thee： factors influencing the intention to continue sharing personal photos on an online social networking （osn） site among young adults in the netherlands [J]. International Journal of Human-Computer Interaction， 2017， 33（5）：410-422.

[32]KEITH M J， BABB J S， Lowry P B， et al. The role of mobile-computing self-efficacy in consumer information disclosure [J]. Information Systems Journal， 2015， （6）：637-667.

[33]GOOL E V， OUYTSEL J V， PONNET K， et al. To share or not to share？ Adolescents' self-disclosure about peer relationships on Facebook [J]. Computers in Human Behavior， 2015， 44（C）：230-239.

[34]石碩. 社交网站用户隐私披露行为探究：隐私计算理论与TPB模型的整合[D]. 南京：南京大学， 2011.

[35]MALIK A， DHIR A， NIEMINEN M. Uses and gratifications of digital photo sharing on facebook [J]. Telematics and Informatics， 2016， 33（1）：129-138.

[36]WEI M， RUSSELL D W， ZAKALIK R A. Adult attachment， social self-efficacy， self-disclosure， loneliness， and subsequent depression for freshman college students： a longitudinal study [J]. Journal of Counseling Psychology， 2005， 52（4）：602-614.

[37]KIM J， LEE C， ELIAS T. Factors affecting information sharing in social networking sites amongst university students [J]. Online Information Review， 2015， 39（3）：290-309.

[38]STRAUB D W， BOUDREAU M C， GEFEN D. Validation guidelines for IS positivist research [J]. Communications of the Association for Information Systems， 2004， 13（1）：380-427.

[39]ZHA X J， ZHANG J C， YAN Y L， et al. Sound information seeking in Web 2.0 virtual communities： The moderating effect of mindfulness [J]. Behaviour & Information Technology， 2015， 34（9）：920-935.

黄程松 武汉大学信息管理学院博士研究生。 湖北武汉，430072。

王 雪 武汉大学信息管理学院硕士研究生。 湖北武汉，430072。

胡 哲 武汉大学信息管理学院硕士研究生。 湖北武汉，430072。