隐私视角下社交媒体推荐对用户在线交互意向的影响机理研究

张雄涛 甘明鑫

关键词：社交媒体推荐;在线交互意向;S-O-R模型;隐私计算理论;信息边界理论

为提升用户体验，社交媒体通过引入个性化推荐服务来缓解用户面临的信息过载难题。个性化推荐致力于向用户提供其感兴趣的信息，其给用户带来正面心理感知（如信息获取、社交满足等）的同时，也给用户带来了负面的心理感知（如隐私忧虑、心理抗拒等）。在线交互是社交媒体用户实现社交互动的典型信息行为，其具体表现为点赞、转发、评论等多样化交互方式。作为影响在线交互行为的关键前置因素，用户的在线交互意向决定了用户是否愿意在社交媒体平台中主动地进行情感表达，这关乎用户的平台体验和社交媒体平台中的价值转换。近年来，国内外有关个性化推荐的研究主要集中在计算机科学领域。相关学者主要结合机器学习或深度学习方法，从推荐系统设计、推荐系统评测以及推荐系统应用等方面对个性化推荐进行研究。此类研究虽有利于用户获取准确的个性化推荐结果，但难以持续追踪用户的心理状态及行为意向。然而，由于不同心理感知下用户呈现出不同的行为意向，因此结合个性化推荐探究用户行为意向的影响机理有利于进一步完善用户的服务和管理。此外，当前关于在线交互意向的研究大多仅考虑意向的直接影响因素，鲜有研究结合外部环境因素对间接影响因素展开分析。近期大量研究表明，结合外部环境因素对用户行为意向进行解释.可以更有针对性地评估外部环境因素对行为意向的影响。社交媒体情景下，个性化推荐通过推荐结果对用户形成刺激，因此将社交媒体推荐作为外部环境因素对用户的在线交互意向进行解释，可以更有针对性地评估社交媒体推荐对在线交互意向的影响作用。

鉴于上述分析.本文在刺激一机体一反应（Stimuli-Organisms-Responses.S-O-R）理论框架下，以社交媒体推荐为刺激（S），以隐私计算理论和信息边界理论确定的用户心理状态为机体（O），以用户在线交互意向为反应（R），对社交媒体推荐、用户心理状态以及用户在线交互意向之间的内在作用机理进行探究。研究的主要贡献体现为：①探究了社交媒体推荐对用户在线交互意向的影响机理，并结合实证结果为社交媒体平台提供相应的运营建议。此项贡献为社交媒体平台设计更合理的个性化推荐系统提供了参考。②在隐私视角下，综合隐私计算理论和信息边界理论对社交媒体用户的内在心理状态进行衡量，并将其作为中介对社交媒体推荐和用户在线交互意向之间的关系进行分析。此项贡献不仅细致地分析了心理状态之间的内在影响关系，而且对S-O-R理论模型进行了有益补充。

1研究基础

1.1 S-O-R理论模型

S-O-R理论模型是心理学领域的一个重要理论，其目的在于揭示人们在外部环境因素的刺激下如何产生相应的趋势行为反应。S-O-R模型认为，当个人受到外部环境的刺激（Stimuli）后，会形成个人的内在心理状态（Organisms），进而产生不同的趋势行为反应（Responses）。信息系统领域中，S-O-R理论模型被广泛应用于用户行为研究中，如Gatautis R等基于S-O-R模型分析了游戏对在线消费者的驱动作用：Umer等在SNS情境下，对影响网络消费者的强迫购买行为的关键因素进行了研究。鉴于S-O-R理论模型可以有效揭示行为意向的形成过程，本文运用S-O-R理论模型为社交媒体推荐、用户心理状态和用户在线交互意向建立联系，并以此为框架，探究社交媒体中的个性化推荐服务对用户在线交互意向的影响机理。具体来说，本文以社交媒体推荐为外部环境刺激（Stimuli），结合隐私计算理论和信息边界理论确定隐私视角下的用户内在心理状态（Organisms），并将社交媒体用户的在线交互意向视作趋势行为反应（Responses）。

1.2隐私计算理论

隐私计算理论是Laufer R S等于1977年首次提出的经典理论。近期研究中，罗映宇等将隐私计算理论归纳为基于理性的隐私计算和基于有偏的隐私计算。其中，基于理性的隐私计算在“理性人”假设的基础上，认为用户会有意识地权衡隐私披露的预期损失和潜在收益.而后做出隐私披露决策。基于有偏的隐私计算认为隐私行为决策会受到认知偏差和启发式的影响，这使得个体实际上无法对隐私披露行为的收益和损失做出正确的估计，常常重视利益而忽视伴随的风险。感知收益和感知隐私风险是隐私计算理论中的两个基本构念，其中感知收益指用户在信息披露时所感知到的价值获取，感知隐私风险是指用户在信息披露时所感知到的潜在损失。近年来，随着学术界对隐私问题的关注，隐私计算理论被广泛应用于衡量用户的内在心理感知。如Melewar T C等依据隐私计算理论，分别以感知收益、感知风险和信任为测量变量，对网络团购行为的影响因素进行了研究。张玥等依据隐私计算理论，以微信为例探讨了移动社交用户的信息披露意愿。考虑到个性化推荐会引起用户的隐私忧虑，本文在隐私视角下，结合隐私计算理论中的感知收益和感知隐私风险衡量社交媒体用户的内在心理感知。其中，感知收益在本文研究情景下特指社交媒体用户认为在线交互可以为自身带来的潜在价值，而感知隐私风险在本文研究情景下特指社交媒体用户认为在线交互为自身在隐私方面带来的潜在损失。

1.3信息边界理论

信息边界理论是Petronio S于2002年提出的一个面向个人信息决策的系统性理论，该理论认为每个人都会构建一个虚拟的信息空间，这个空间即“信息边界”。一旦信息边界建立，个体便会在边界内产生信任。当外部实体试图渗入边界时，个体则会认为自身的隐私空间受到侵犯，并企图对隐私边界进行控制。信任和控制是信息边界理论的两个核心构念，其中信任作为一种心理信念，信任感越高，隐私边界的开放程度越高;控制可以被理解为用户对隐私边界的把握，控制能力越强，隐私边界越容易被打破。近期研究表明，信息边界理论是隐私计算理论的有益补充。基于此，相关研究常结合隐私计算理论和信息边界理论对社交媒体中的隐私问题展开更细致的研究。如梁晓丹等结合隐私计算理论和信息边界理论分析了在线政策对消费者提供个人信息意愿的影响机制。张会平等结合信息边界理论和隐私计算理论对社交媒体用户信息隐私关注的形成机制进行了研究。鉴于此，本文结合信息边界理论对用户的内在心理感知进行更细致地分析.并将该理论中的两个核心构念——信任和控制用于衡量用户的内在心理状态。本文研究情境下，信任即平台信任，指用户对社交媒体平台的信任程度;控制即感知信息控制，指用户在社交媒体平台中對个人信息控制能力的感知。

H8：感知隐私风险负向影响平台信任。

2.2.3内在心理状态对用户在线交互意向的影响（O-R）

1）感知收益对用户在线交互意向的影响

社交媒体固有的社交属性可以让用户感知到较高的社交价值，进而正向影响用户在社交媒体中的交互意向。朱侯等结合共享模式特点，从利己收益和利他收益两个维度衡量用户的感知收益，并验证了感知收益对用户在线行为意向的正向影响作用。本文研究情景下，用户的在线交互意向特指用户点赞、转发、评论等社交行为意向。社交满足、信息获取等用户感知到的价值获取均是形成用户在线交互的主要因素，因此本文认为当用户的感知价值增多时.用户会倾向于表现出活跃的在线交互意向。据此，提出如下假设：

H9：感知收益正向影响用户的在线交互意向。

2）感知隐私风险对用户在线交互意向的影响

感知隐私风险是与感知收益相对立的隐私计算依据，故在相关研究中常与感知价值共同作为影响用户行为的前置变量。Haili N等认为，在社交网站中用户感知的隐私风险对信息行为意向存在显著的负向影响。LiC等认为，按需服务中的用户感知的隐私风险不仅会对用户的采纳意图造成负面影响，而且还会增加用户中断使用的可能险时，其往往会有意识地降低在线交互的活跃性，以防止过多的个人信息被平台采集和利用。据此，提出如下假设：

H10：感知隐私风险负向影响用户的在线交互意向。

3）感知信息控制对用户在线交互意向的影响

Bartsch M等通过调查社交网站发现，信息控制能力对社交媒体用户的信息决策具有显著的影响作用。Cavusoglu H等在研究隐私政策对Face.book用户信息披露意愿的影响时发现，当用户具有较多的隐私控制权限时，用户公开其信息的可能性就越大。梁晓丹等认为感知信息控制负向影响用户的信息行为意向。因此，本文认为当用户感知到较高的信息控制水平时，会认为社交媒体产生的利弊可被有效把控，进而会在社交媒体平台中表现出更加主动的在线交互意愿。据此，提出如下假设：

H11：感知信息控制正向影响用户的在线交互意向。

4）平台信任对用户在线交互意向的影响

社交网络的时空分离特性使用户双方无法面对面交流，间接的交流方式致使信息泄露的风险增加.因此建立用户对平台的信任关系成为网络交互成功的关键要素。作为用户行为意向的一个有效预测因子，信任对社交媒体用户的正面行为意向的正向影响作用已被多数研究证实，相关行为意向涉及知识分享、信息披露等。本文研究情景下.用户在线交互意向对于社交媒体而言，同样属于用户典型的正面行为意向.因此当用户对平台的信任感越强时，用户会表现出更为活跃的在线交互意向。据此，提出如下假设：

H12：平台信任正向影响用户的在线交互意向。

3实证研究

3.1问卷设计

结合现有社交媒体的使用情况，短视频社交平台对推荐系统表现出更强的依赖性。为获取更加集中的样本数据，本文将调查情景锁定为知名的短视频社交媒体平台——抖音APP和快手APP。问卷主要包括两部分，第一部分是被调查对象的人口统计变量，包括性别、年龄、学历、使用时间、日访问次数、每次使用时长等。第二部分是关于本文的变量测量，具体包括：社交媒体推荐质量、感知收益、感知隐私风险、平台信任、感知信息控制、在线交互意向6个变量。对于量表的设计，本文的测量题目均沿用或改编自前人的研究。问卷的测量变量及参照来源如表1所示.所有问项均采用Likert五级量表。

3.2数据采集

问卷通过网络平台进行问卷发放，发放日期为2020年6月27日-12月24日，共收回问卷438份，剔除无效问卷后，得到有效问卷401份，问卷有效率达91.55%。研究中样本的人口统计特征如表2所示，表中的频数为调查对象的人次，频率为某类对象占总样本的百分比。表2呈现的被调查对象特征与中国互联网络信息中心2020年发布的《中国互联网络发展状况统计报告》和《2020抖音数据报告》完整版中的网民特征基本一致，这说明调查对象可以较好地代表网民群体。

3.3数据分析

3.3.1信度、效度分析

信度用于衡量问卷的可靠性、稳定性和一致性。本文选用Cronbach's Alpha（CA）以及Com.posite Reliability（cR）两个指标来检验问卷的信度。研究表明，当CA和CR均大于0.7时，说明内部的一致性水平较高。本文中每个潜变量的CA和CR均超过了0.7，这说明问卷具有较高的信度，结果如表3所示。

效度用于衡量测量结果的有效性程度。本文采用聚合效度和区分效度共同检验数据的有效性。当Over Loading（OL）大于0.7且Average VarianceExtracted（AVE）大于0.5时，聚合效度达标。本文中每个潜变量的因子载荷均大于0.7，且AVE均大于0.5.这说明测量结果的聚合效度达标，结果如表3所示。对于区分效度，其检验标准通常是每个潜变量的AVE的平方根大于其他潜变量之间的相关系数。表4中，斜对角线表示每个潜变量的AVE平方根，非斜对角线表示其他潜变量的相关系数。从表4中可以看到，每个潜变量的AVE平方根均大于其他潜变量的相關系数，这说明本研究的潜变量之间存在显著差异，区分效度较好。

3.3.2路径分析与假设检验

本文采用SmartPLS 3.0对研究模型进行路径分析与假设结果验证，利用Bootstrapping重复抽样的方法检验路径系数的显著性.抽样次数为1000次.表5和图2给出了研究假设的数据分析结果和路径系数。

模型的路径检验结果如图2所示，社交媒体推荐对感知收益（卢=0.514，P<0.001）、感知隐私风险（β=0.311，P<0.001）和平台信任（β=0.167，P<0.001）均具有正向影响，因此假设1、假设2和假设4均成立：但社交媒体推荐对感知信息控制的影响在研究中未得到数据支持，因此假设3不成立。感知收益对感知信息控制（β=0.443，P<0.001）、平台信任（β=0.504，P<0.001）均有正向影响，因此假设5和假设6成立。感知隐私风险对感知信息控制（β=-0.170，P<0.01）、平台信任（β=-0.159，P

4研究结论

4.1社交媒体推荐对内在心理状态的影响作用（S-0）

依据假设1的检验结果，可以得出结论：社交媒体推荐对感知收益具有正向的影响作用，这说明社交媒体推荐可以为用户带来诸多积极的心理感知。该结论之所以成立，是因为推荐系统作为一项重要的决策辅助工具，其设计的初衷就是帮助用户缓解“信息过载”等难题。此外，社交媒体中的推荐系统不仅可以便利用户获取个性化信息.而且可以促进兴趣相似的用户实现社会交往。因此，社交媒体推荐对感知收益的正向影响作用符合常规认知。

依据假设2的检验结果，可以得出结论：社交媒体推荐对感知隐私风险具有正向的影响作用，这说明社交媒体推荐难以有效平衡用户个性化需求和隐私顾虑之间的关系，即社交媒体推荐服务在增加用户感知收益的同时，也会增加用户的感知隐私风险。该结论的成立同时印证了社交媒体中存在的“隐私悖论现象”。社交媒体推荐的实际应用中，用户和平台之间存在高度的信息不对称，因此，当精准的推荐结果对用户形成刺激时.用户会对自身信息的安全性产生忧虑。

依据假设3的检验结果，可以得出结论：社交媒体推荐对感知信息控制的影响作用不显著.这说明社交媒体推荐与用户的感知信息控制之间没有显著的关系。究其原因，可能是因为现有大多社交媒体平台均设有细致化隐私设置、个性化推送管理以及推荐反馈等功能.这些功能在一定程度上增加了社交媒体用户对信息控制的能力，进而有效避免了社交媒体推荐对感知信息控制造成影响。

依据假设4的检验结果，可以得出结论：社交媒体推荐对平台信任具有正向影响作用。这说明社交媒体推荐可以增加用户对平台的信任程度。近年来，随着我国网络安全建设工作的不断完善，以及各大社交媒体平台之间的激烈竞争，社交媒体往往不会肆意地贩卖、泄露用户的个人信息。此外，随着推荐解释在推荐系统中的应用，社交媒体推荐开始逐步地透明化。在此背景下，相比于社交媒体推荐带来的不确定负面结果，用户对明确的潜在收益表现出更强的情感依赖。因此，社交媒体推荐正向影响平台信任符合常规认知。

4.2用户内在心理状态之间的影响关系（0-0）

依据假设5的检验结果，可以得到结论：感知收益对感知信息控制和平台信任有显著正向影响作用。这说明当用户感知到的信息收益越多时，其感知到的信息控制能力越强。该结论与相关文献（如文献[34-35]）的研究结论一致，即当用户获取的正向心理感知越多时，用户对信息的控制欲望越低，而当用户对信息的控制欲望降低时，其感知到的信息控制水平就会相对变高。因此，感知收益正向影响感知信息控制符合常规认知。

依据假设6的检验结果，可以得到结论：感知收益对平台信任有显著正向影响作用。这说明当用户感知到的信息收益越多时，用户对社交媒体平台的信任程度也会越高。前人研究已经证实用户的理念和态度是影响信任的关键因素，而感知收益作为用户的一项正向心理理念.其会促使用户对平台建立正向情感，并促使用户相信平台会持续为自身提供更多的潜在收益。因此，感知收益正向影响平台信任符合常规认知。

依据假设7的检验结果，可以得到结论：感知隐私风险对感知信息控制有显著的负向影响作用。这说明当用户感知到隐私风险越大时，其感知到的信息控制能力越弱。作为感知收益在隐私计算过程中的对立因素，感知隐私风险强调的是用户对隐私泄露风险的忧虑和恐惧.因此，感知隐私风险是一种典型的负面心理感知。社交媒体情景下，用户的负面心理感知会加强用户对个人信息的警觉性，进而导致用户感知到相对较低的信息控制水平。因此.感知隐私风险负向影响感知信息控制符合常规认知。

依据假设8的检验结果，可以得到结论：感知隐私风险对平台信任有显著的负向影响作用。这说明当用户感知到隐私风险越大时.用户对社交媒体平台的信任程度也会越低。当用户在社交媒体平台中感知到较多的隐私风险时.说明用户在平台中的体验较差，进而导致用户对平台产生消极情感。由于用户的情感是形成用户信任的关键，因此，感知隐私风险负向影响平台信任符合常规认知。

4.3用户内在心理状态对在线交互意向的影响关系（O-R）

依据假设9的检验结果，可以得到结论：感知收益对用户在线交互意向的影响作用不显著。这说明用户感知的信息收益不会对用户的在线交互意向造成影响。之所以会出现这样的结果，可能是因为在虚拟的网络环境中，大多社交媒体用户乐于表现为“在线潜水状态”，即多数社交媒体用户倾向于仅将社交媒体作为一种信息获取工具，而较少主动地在社交媒体上进行在线交互。因此，感知收益对用户在线交互意向的影响作用不显著可被理解。

依据假设10的检验结果，可以得到结论：感知隐私风险对用户在线交互意向的影响作用不显著。这说明用户感知到的隐私风险不会对用户的在线交互意向造成影响。究其原因，可能是因为社交媒体中存在隐私悖论现象.即尽管用户会高度顾虑自己的个人隐私，但是他们仍然乐于在社交媒体上自我表露，这与文献[5，49]的研究結果一致。因此，感知隐私风险对用户在线交互意向的影响作用不显著可被理解。

依据假设11的检验结果，可以得出结论：感知信息控制对用户在线交互意向产生正向影响作用。这说明当用户感知这样的结论信息控制能力越强时，用户越乐于表现出活跃的在线交互意向。此外，文献[5]指出，控制错觉是影响用户行为意向的关键，即较高的控制权力可以有效缓解用户的隐私抵触行为，增强用户主动的行为意向。因此，感知信息控制正向影响在线交互意向符合常规认知。

依据假设12的检验结果，可以得出结论：平台信任均对用户在线交互意向产生正向影响作用。这说明当用户对平台的信任程度越高时，用户越乐于表现出活跃的在线交互行为。信任关系不仅是一项解释用户行为的主要原因，更是用户和平台交互成功的主要标志。平台信任体现的是用户对平台的积极心理状态，而积极的心理状态可以合理地解释社交媒体用户的在线交互意向。因此，平台信任正向影响在线交互意向符合常规认知。

5管理启示

结合上述研究结论.社交媒体推荐给用户带来的使用体验参差不齐.不同使用体验下用户的在线交互意向存在差异。为进一步提升社交媒体用户在线交互的活跃性，本文以用户的内在心理状态为切入点，对社交媒体平台实施个性化推荐提供以下建议：

1）深化用户的感知收益。社交媒体平台可通过丰富平台功能（如购物功能、交友功能等）增加用户体验，以保证用户在平台中可以享受到一站式服务。另外，平台可以通过策划有奖参与、有奖问答等活動辅助用户在物质方面得以满足。此外，平台可以结合自然语言处理技术对垃圾信息进行识别并监控，以保证用户在平台上享有较高的情感体验。

2）规避用户的感知隐私风险。社交媒体平台在设计推荐算法时应识别并考虑到用户的隐私边界.使推荐算法在保证隐私边界受侵犯的同时，获取较高的感知价值。社交媒体平台可以通过透明化用户行为轨迹等信息来尊重用户的知情权，以避免用户因个性化推荐而滋生的隐私风险感知。

3）加强用户的感知信息控制。社交媒体平台可以通过增设细致化隐私设置功能，赋予用户更正个人信息、自行设置信息存储时长等权利，增强用户对信息的可控性。另外，社交媒体可通过提供有效的客户服务系统，来保证用户可以及时地向平台咨询和反馈自身信息。此外，平台应提供具备可解释性的推荐结果，进而避免用户因信息不对称而产生的感知信息控制缺失。

4）深化用户的平台信任。社交媒体可通过增加广告投入、社会公益等方式来提升平台的社会口碑，激发用户信任。另外，平台有必要提供可读性较强的隐私声明来增加用户的程序公平感知。此外，平台应具备危机预警机制，以保证平台能有效抵御来自竞争对手的恶意攻击，进而保证用户对平台的持续信任。

6结语

本文在S-O-R理论模型的框架下.从隐私视角切入，结合隐私计算理论和信息边界理论对社交媒体用户的内在心理状态进行细化，并将其作为中介对社交媒体推荐和在线交互意向之间的内在作用关系进行探索性分析。具体来说，本文首先基于相关理论及文献推理构建了社交媒体推荐对用户在线交互意向的研究模型，然后以社交短视频平台为调查情景，采用结构方程模型对研究模型进行实证检验.最后依据实证研究结果.为社交媒体平台提出相应的运营建议。研究成果不仅为社交媒体平台构建合理的个性化推荐系统提供了参考，而且为社交媒体推荐和在线交互的相关研究引入新的研究思路。然而，研究尚存不足之处，如不同类型的社交媒体平台仍存在差异.但本文尚未对社交媒体平台的类型做细致划分。因此，未来将结合不同的社交媒体类型对研究问题进行更深入的分析;此外，不同用户具有不同的个体特征（如年龄、性格、隐私倾向等），但本文尚未考虑用户的个体性差异，未来将结合用户的个体特征对研究问题展开进一步分析。