得失权衡、主体信任与危机感知:“健康码”常态化使用的影响因素研究

谢新洲 石 林

(北京大学新媒体研究院,北京,100871)

作为新冠肺炎疫情下新兴的社会治理和应急管理技术，“健康码”通过追踪、管理用户的位置信息（包括用户自填到访轨迹、大数据行程监控等）和健康信息（包括用户自填健康状况、核酸检测和疫苗接种情况等），对用户接触新冠肺炎病毒的潜在风险进行评级，以此管理疫情期间的人员流动，并通过标准制定[1]和平台接入[2]，构建起跨部门、跨层级、跨地域的全国性防疫健康网络。“健康码”在疫情防控和复工复产工作中发挥了重要作用。 截至2020年12月，我国已有9亿人申领了“健康码”[3]，已基本超过此类应用实现防疫效果的用户规模基准线60%[4]，并显著领先于世界其他国家[5]。

随着疫情防控的常态化发展，“健康码”愈发深远地嵌入到现实生活的社会秩序和行为模式中，“扫码检测”成为了后疫情时代的“生活常态”。 一方面，“健康码”成为了一种值得推广的“成功经验”，除了“健康码”自身功能逐步优化、拓展（如加入老幼群体“健康码”助查、核酸疫苗服务查询等功能），该模式也开始向其他领域延伸（如苏州的“文明码”、广西的“纳税健康码”等）；另一方面，随着应用场景和社会关系的拓展，“健康码”的问题也越来越多地暴露出来，包括数字鸿沟（如“无码人士”）、数据作假（如“伪造健康码”）、技术故障或精准度不高（如“错误赋码”“无故弹窗”）以及隐私泄露、数据安全等问题，又使得“健康码”的可持续性和可推广性存疑[6]。

那么，“健康码”到底是公共卫生危机下一个临时的“应急产物”还是社会治理语境下一次深远的“模式创新”？ 人民智库的问卷调查结果显示，38.54%的被访者认为“健康码”应继续优化，成为“常态化管理工具”；37.63%的被访者则认为“健康码”应进一步“拓展应用场景”[7]。 鉴于“健康码”基于“网络效应”（即只有人人都使用才能充分发挥其技术效能）的技术逻辑，本文将从用户视角考察“健康码”常态化发展的必要性和可能性，具体提出研究问题如下：人们是否真正接受了以“健康码”为代表的数据化的社会治理技术，后疫情时代影响人们常态化使用“健康码”的因素有哪些，用户视角下“健康码”常态化发展的实现路径和潜在难点是什么。 本文将通过实证研究挖掘“健康码”常态化发展的社会心理基础，不仅为后疫情时代应急管理与社会治理技术的优化和推广策略提供数据支撑，为社会治理模式的数据化创新提供可行性和有效性检验，更为“数字化生存”[8-9]在社会治理视阈下的呈现和演进提供学理探讨的场景和空间。

1 文献综述

由于“健康码”或接触者追踪（contacttracing）技术的实际效用取决于其采纳和使用率，技术接受成为该领域的研究重点。 国外学者多从个体层面关注影响用户接受和使用接触者追踪技术的因素，主要借鉴的是技术接受模型（Technology Acceptance Model）：接触者追踪技术的社会接受往往伴随着隐私风险与技术效能之间的博弈[10]，并在不同地区[11-12]、不同危机情境[13-15]、不同意识形态[16]下呈现出差异化的博弈结果。 具体而言，比利时的相关研究表明，影响用户使用意愿最重要的因素是绩效期望（类似感知有用性），付出期望（类似感知易用性），与使用意愿不相关[17]。 在英国[14]和台湾[13]的研究发现，感知疫情威胁、对个人健康状况的失控感以及意识形态上的信念是影响防疫追踪技术接受的因素。 然而在韩国，对新冠肺炎疫情的焦虑并不是影响电子医疗接受程度的因素，其影响因素主要有可接近性、健康呵护质量、有用性、易用性以及隐私顾虑或不适[18]。 在疫情下的西班牙，相关研究进一步表明，人们在接受防疫追踪技术时更看重技术的实用性，即在健康和隐私之间，人们倾向于选择健康[11]。 相较之下，国内学者多从组织层面关注影响政府部门推动“健康码”创新扩散的因素，即经济水平和技术能力直接影响地方政府内在驱动力的建立，用户需求、政策任务、组织关系等则对其构成外部环境压力[19-21]，最终形成以大型互联网企业所在城市为创新源、其他地区快速集聚的学习网络[22]。

随着防疫工作趋于常态化，后疫情时代“健康码”的常态化使用问题引发了学者们的进一步反思，相关研究以学理探讨为主。乐观观点下，“健康码”被视为社会治理迈向数字化、数据化的“跳板”，在行政体系下有利于推进“智慧政务”的发展[23]，实现“韧性治理”[24]；在医疗卫生体系下有利于形成全民“医疗健康一卡通”[25]，提供多元主体信息管理接口，实现社区居民健康常态化管理[26]。 其他观点则认为，“健康码”常态化可能造成商业力量借机凭借其既有技术、数据和资本优势实现“监管俘获”[27]；从应急防控到常态应用的场景切换反而放大了因数据权限不明而导致的个人信息保护难题[28]。有学者从法律视角出发，认为“健康码”是紧急状态下的一种紧急措施，后疫情时代须脱离强制性，成为基于公民自主意愿的公共服务[29]。

在前人研究的基础上，本文借鉴技术接受模型的理论框架，将“健康码”或接触者追踪技术接受的研究情境从早期接受、采用向后期常态化使用延伸，并利用问卷调查法，为深化“健康码”常态化使用问题的学理探讨和研究提供实证支持。

2 理论背景与研究假设

为充分理解用户形成“健康码”常态化使用意愿的心理过程，本文在技术接受模型的基础上，深入疫情之下“健康码”使用的技术特性和情境特性[30]，构建“健康码”常态化使用影响因素模型。

2.1 技术接受与常态化使用

经典的技术接受模型下，人们接受新技术的意愿主要被感知有用性和感知易用性正向预测。 其中，感知有用性指的是人们认为新技术能够提升他们工作表现的程度；感知易用性指的是人们认为他们能够轻松驾驭新技术的程度[31]。 自提出后，该模型对用户技术接受意愿的预测力和解释力得到了广泛检验，感知有用性对其他外部变量的中介效应尤为显著[32-33]。 随着研究情境不断丰富，技术接受模型在与其他理论的结合下得到进一步拓展和丰富。 与期望确认理论相结合，衍生出以感知有用性、期望确认、满意度和持续使用意愿为核心变量的期望确认模型，考察影响人们持续使用信息系统的因素[34]。 考虑到“健康码”最早是疫情防控的应急工具，用户起初可能不会带有太多的“期待”，难以从期望确认的角度形成满意度评估，本文主要以技术接受模型为参照构建研究模型。 在因变量上，受“持续使用意愿”启发，提出“常态化使用意愿”，充分体察“健康码”区别于一般产品或服务所具有的危机情境特性，更强调剥离危机情境（含强制措施）后人们对于“健康码”的主动接纳程度。既有研究以移动政务服务APP[35]、国家公共文化云APP[36]等为例，验证了感知有用性对持续使用意愿的正向影响。 对英国NHS COVID-19接触者追踪应用的实证研究则表明，当人们缺乏足够清晰的证据证明该应用确实有效时，便有可能放弃后续使用[37]。 据此，本文提出假设1如下：

H1：感知有用性与常态化使用意愿呈正相关关系。

随着技术接受研究向消费者情境延伸，在社会交换理论视角下，感知风险被纳入模型，考察人们感知到的使用新技术（一般伴随自我表露、数据泄露等）可能带来的潜在风险对感知有用性和技术接受意愿的负向影响[38-40]。 追踪技术的使用和推广往往伴随着这样一个问题，即人们在多大程度上愿意为了技术可能带来的健康和安全而让渡隐私、自尊等基本权利[41]。 具体到“健康码”使用情境， 数据成为了人们的“社会交换物”[42]，数据共享既可以加强人们对周遭疫情风险及自身健康状况的掌握，也可能让人们遭受隐私泄露、监控等风险。 在数据流动带来的得失权衡间，当人们感知到“健康码”的“风险”（“健康码”数据被用于他途）时，感知有用性便可能被削弱。 感知风险对感知有用性的负向影响在疫情期间接触者追踪技术接受研究中得到检验[18,43]。 由此，本文提出假设2如下：

H2：感知风险与感知有用性呈负相关关系。

以电子政务系统[44]、基于位置的服务（LBS）[45]等为例，既有研究验证了感知风险对持续使用意愿的负向影响。 就“健康码”而言，疫情过后或疫情得到大幅缓解后，人们愿意继续使用“健康码”、把应急措施当作常态，在很大程度上是权衡“利益-风险”关系的结果[10]，即当感知风险超过感知有用性时，人们常态化使用“健康码”的意愿会降低。 基于半结构式访谈的定性研究发现，随着“健康码”的广泛应用，中国用户开始质疑“健康码”背后的算法以及自主填报的数据准确性，加上部分地区“扫码检测”的随意性，对大数据的“技术崇拜”被逐渐消解；同时，出于对监控范围扩大的顾虑，人们对“健康码”常态化使用的必要性抱有质疑态度[46]。 本文提出假设3如下：

H3：感知风险与常态化使用意愿呈负相关关系。

2.2 数据归属主体信任

同样是在消费者情境（如电子商务、网络购物、网上银行等）下，信任被整合进了技术接受模型中，对感知有用性和使用意愿具有正向影响[47-48]。 信任有多个维度，包括对技术、环境、技术主体、运作机制等的信任，本文重点关注的是主体信任，即个人对另一主体未来行为的积极预期[49]。 一般而言，主体信任会让用户认为服务提供方会合理得当地使用他们的个人信息（如LBS 服务所需要的个人位置信息、电子政务所需要的个人身份信息），从而增强感知有用性，降低感知风险[50]，进而促进持续使用意愿[51-52]。

由于“健康码”或其他接触者追踪应用的技术逻辑基础是数据共享，技术提供方（或数据归属方）能否合理、合规地使用和保护用户数据，直接关系到“健康码”能否真正发挥效用、是否存在安全隐患。 特别地，“健康码”等应用为了顺应人们的日常媒体使用习惯，往往由政府部门发起，借由互联网平台推广和运营，导致其背后实际存在两种技术主体（即政府和商业平台）以及可能存在主体信任差异。 已有研究表明，对政府的信任能够正向预测接触者追踪应用的持续使用意愿[37,53]。 由于“健康码”本质上是向公众提供的一种健康管理服务，就服务功能而言，无论是政府还是平台，数据归属主体信任都更有可能促进感知有用性和常态化使用意愿。 本文提出假设4-7如下：

H4：信任数据归属政府与感知有用性呈正相关关系。

H5：信任数据归属平台与感知有用性呈正相关关系。

H6：信任数据归属政府与常态化使用意愿呈正相关关系。

H7：信任数据归属平台与常态化使用意愿呈正相关关系。

信任数据归属政府和信任数据归属平台的差异主要体现在与感知风险的关系上。 有研究向被访者提供了三种运营主体不同的追踪技术，其中由商业公司（Apple和Google）运营的技术被认为有更大的风险，更容易被拒绝，而政府替代方案则被认为更值得信赖，且只会收集必要的数据[13]。 还有研究发现，在中国人的隐私敏感度普遍不高的情况下，人们往往会从商业平台对数据管理的介入中感知到更大的风险[46]。 由此，本文提出以下假设：

H8：信任数据归属政府与感知风险呈负相关关系。

H9：信任数据归属平台与感知风险呈正相关关系。

2.3 危机情境下的技术接受

在使用与满足的视角下，人们之所以接受或使用某种新技术，是因为该技术满足了人们的某种需要，帮助人们解决了某个问题。 催生于新冠肺炎疫情下的“健康码”本身就被赋予了防止疫情肆意蔓延的工具意义和价值期许。 相关研究表明，一方面，危机情境放大了人们的信息需求，社交媒体使用能够满足这种信息需求，从而促使人们自发参与危机治理[54]；另一方面，工具性需求下人们更愿意让渡个人隐私，有被访者便在一项关于“健康码”社会认知的研究中就隐私问题发表过这样的观点：“危机当头，不是谈论隐私的时候”[46]。 可见，在不同的危机情境下，人们对技术效能的期待和对技术风险的容忍是不同的，这也在多项接触者追踪应用社会接受研究中得到验证[11,14,16]。 本文提出如下假设：

H10：疫情危机感知与感知有用性呈正相关关系。

H11：疫情危机感知与感知风险呈负相关关系。

H12：疫情危机感知与常态化使用意愿呈正相关关系。

本文重点检验人们在考虑是否常态化使用“健康码”时内心的得失权衡过程，以及数据归属主体信任和疫情危机感知对这一过程的影响。 对经典技术接受模型中的感知易用性，本文作控制变量处理。 此外，考虑到性别、年龄、教育程度、互联网使用经历在技术接受模型中的潜在影响[55]，本研究同样将这四个变量视为控制变量放入到模型中，并将互联网使用经历替换为网龄以便于测量。 最终形成“健康码”常态化使用影响因素模型（如图1所示）。

3 研究过程与数据分析

本研究使用问卷调查法，获取用户关于“健康码”使用的感受、态度和行为意图等数据信息，从中挖掘“健康码”常态化使用的影响因素及其中的用户心理机制。

3.1 量表设计

为保证问卷调查的有效性和权威性，本研究全部采用既有文献中的成熟量表，并结合“健康码使用”的研究情境作适度改编（如表1所示）。 每个潜在变量的实际测量统一采用Likert7级量表，被调查者根据自身情况对相关表述进行同意程度打分（1分为非常不同意，7分为非常同意）。

3.2 数据收集

本研究依托专业的市场调查公司益普索（中国）进行问卷发放，数据收集时间为2021年3月1日至3月22日。 为确保问卷的信、效度合格，在正式调查之前先发放了300份预调查问卷，根据问卷填答和数据情况对部分题项进行了调整，形成包含基本人口统计量和“健康码”使用情况（即表1）两大部分的正式版问卷。 正式调查期间，调查公司向其既有样本库发放网络版问卷，并通过测谎题和填答时间门槛（10分钟以上）严格把控被调查者填答质量，最终回收有效问卷1739份。 被调查者的人口统计学情况如表2所示，受调查公司样本库和网络调查形式所限，本次调查在19 岁以下、居住地为农村、受教育程度低等方面的样本量相对较少。

表1 本研究问卷调查的题项设计及量表来源

表2 被调查者人口统计学情况

3.3 测量模型检验

本研究使用SPSS AMOS 23 和Statistics 27软件进行数据分析和模型检验。

测量模型的有效性一般由内容有效性、内部一致性和区分性三个指标检验。 在内容有效性上，本研究使用的测量均借鉴了已有研究的成熟量表，并经过预调查修正，表意清晰、准确。 如表3 所示，在内部一致性上，所有潜在变量的CR（Composite Reliability）值均在0.7 以上，Cronbach’s Alpha值均在0.7以上，说明测量模型具有良好的内部一致性和可靠性；AVE均大于0.5，说明测量具有较好的聚敛效度。 在区分性上，各潜在变量的AVE平方根均大于该变量与其他变量间的相关性（见表4），表明测量模型具有良好的区分性。 观测变量对其所属潜在变量的因子载荷均高于与其他潜变量的交叉因子载荷（见表5），反映出测量模型兼具良好的内部一致性和区分性[58-59]。

表3 验证性因子分析

表4 潜在变量间相关系数和AVE平方根

表5 因子载荷和交叉因子载荷

3.4 假设检验

本研究采用Bootstrapping 检验结构模型，样本数为2000，检验结果如图2 所示。感知有用性、感知风险和常态化使用意愿的R2分别为0.396、0.246、0.425，说明该模型的预测效果较好。 模型整体的适配度情况如表6所示，各维度的适配度指数均超过了参考值[60]，表明该模型具有良好的解释力。

表6 模型适配度检验

上述假设部分得到了验证（见表7）。 其中，在“利益-风险”权衡下的技术接受维度，感知有用性与常态化使用意愿呈现正相关，感知风险与感知有用性、常态化使用意愿均呈负相关；在数据归属主体信任维度，信任数据归属政府与感知有用性、常态化使用意愿均呈正相关，与感知风险呈负相关，信任数据归属平台与常态化使用意愿、感知风险呈正相关，与感知有用性的相关性则不显著；在危机情境下的技术接受维度，疫情危机感知与常态化使用意愿呈正相关，与感知有用性不存在显著相关性，与感知风险存在相关性，但是为正相关。 表8报告了路径检验的具体结果。

表7 假设检验结果

表8 结构模型的路径检验

为理解用户常态化使用“健康码”的心理过程，本研究进一步检验了感知有用性和感知风险的中介效应（见表9）。 除了“信任数据归属平台——感知有用性——常态化使用意愿”和“疫情危机感知——感知有用性——常态化使用意愿”，其他中介路径均通过检验，感知有用性和感知风险在其中发挥了重要的中介作用。 在感知有用性的中介作用下，信任数据归属政府对常态化使用意愿具有正向的间接效应。 在感知风险的中介作用下，疫情危机感知和信任数据归属平台均对常态化使用意愿具有负向的间接效应，而信任数据归属政府对常态化使用意愿具有正向的间接效应。 在感知有用性和感知风险的双重中介作用下，疫情危机感知和信任数据归属平台均对常态化使用意愿具有负向的间接效应，而信任数据归属政府对常态化使用意愿具有正向的间接效应。

表9 标准化的中介效应检验

4 结论和讨论

本文以技术接受模型为参考，引入感知风险、主体信任、危机感知等相关变量，构建了“健康码”常态化使用意愿模型。 实证检验结果表明，该模型具有较好的解释力。 具体结论为：①引入感知风险的技术接受模型得到验证，感知有用性显著正向影响常态化使用意愿，感知风险显著负向影响感知有用性和常态化使用意愿，感知有用性和感知风险对于其他自变量的影响起到了显著的中介作用，揭示了基于“利益-风险”计算的心理过程；②数据归属主体信任对常态化使用意愿呈显著正向影响，其中信任数据归属政府显著正向影响感知有用性，信任数据归属平台则与感知有用性不存在显著关系，两者在与感知风险的关系上也存在差异，信任数据归属政府显著负向影响感知风险，而信任数据归属平台显著正向影响感知风险；③疫情危机感知显著正向影响感知风险和常态化使用意愿，与感知有用性不存在显著关系。 这些实证结果为“健康码”常态化使用以及数据化的社会治理创新提供了理论和实践层面的启示。

4.1 “利益-风险”计算与常态化使用

后疫情时代，“健康码”常态化使用是人们内心“利益-风险”计算的结果。 一方面，在“健康码”类应用的技术接受研究中，数据是最基本的分析单位。“健康码”之于疫情防控工作的应急管理作用，有赖于人们使用“健康码”并以此为通道上传个人数据，从而构建出线上与线下相联动的数据化防疫网络，实现对病毒的精准定位和防控。 由于人们往往倾向于让利益最大化、让风险最小化[61]，数据流动所带来的利弊得失影响着人们对于“健康码”的价值判断，进而影响其常态化使用意愿。 另一方面，除了既有研究已充分关注的接受态度或使用意愿，以常态化使用为结果变量，感知有用性和感知风险的解释效果同样显著，说明从应急到常态、从早期使用到后续使用，感知有用性和感知风险始终是预测“健康码”使用行为意愿的重要变量。 这与来自加拿大[10]、英国[37]、新加坡[62]等地的研究结论相呼应。 特别地，“健康码”的技术效能是社会系统性协作的结果，包含技术维度下“产品-平台-标准”、执行维度下“设点-检查-应急”等多个环节。 伴随技术实践的深入，由于缺乏数据通联、制度规范、社会共识，各环节内部、环节之间的不确定性和不稳定性随时可能暴露出来，直接影响“健康码”常态化使用的可行性和有效性。

4.2 “政府-平台”协同与主体信任差异

实证结果表明，在对感知风险的影响上，信任数据归属政府和信任数据归属平台存在明显的方向差异。 同时，在感知有用性和感知风险的中介作用下，信任数据归属政府对常态化使用意愿具有正向的间接影响，而信任数据归属平台对常态化使用意愿具有负向的间接影响。 这与已有研究中关于政府主体信任对持续使用意愿具有正向影响的结论相呼应[37,53]，并进一步补充了“健康码”数据权属结构中另一重要主体——平台的视角。 此外，通过均值比较发现，此次调查中被访者对数据归属政府的信任程度（M=5.84）要远高于对数据归属平台的信任程度（M=3.66），印证了既有定性研究中“信任政府多于信任平台”的说法[46]。 事实上，在包括中国在内的很多国家和地区，“健康码”类应用多采用“公私合作”的运营模式。 相较于商业平台或技术企业而言，政府部门拥有的治理资源（包括技术资源、数据资源等）和能力往往有限[63]，与商业平台或技术企业合作是一种更为现实的选择[64-65]。 然而，对于广大用户而言，“到底是谁拥有了‘健康码’获取的数据”“数据拥有者是如何处理这些数据的”等问题却仍然是含糊不清的[66]。 数据归属关系不明确，使得主体信任对“健康码”常态化使用的促进作用可能受阻。

4.3 “应急-常态”切换与感知风险转移

与研究假设相反，疫情危机感知对感知风险呈显著正向影响，经感知有用性和感知风险的中介作用，对常态化使用意愿呈间接负向影响，即人们越认为疫情严重，反而越能感知到“健康码”的潜在风险，进而越不愿意继续使用“健康码”。 对此，有研究以“隐私顾虑”为切口，解释了这一看似违背“常理”的现象，即疫情危机下，对病毒的恐惧和担忧激起了人们内心的自我防卫机制和保守主义心态，即更倾向于遵循既有的社会规范，避免与未知的他人进行过多接触，进而产生更强的隐私顾虑，导致持续使用意愿的降低[67]。 可见，用户对于“健康码”的感知风险会随“应急-常态”的危机情境切换而转移。 一方面，当前国内疫情得到显著缓解，生产生活逐渐恢复常态，危机感知的削弱有利于降低用户感知风险、促进“健康码”常态化使用；另一方面，面对时刻可能反复的疫情，用户的感知风险随时可能被激发，数据风险管理成为应急管理的关键环节。

4.4 “社会-数据”治理与嵌入路径探索

后疫情时代，秩序与应急交替，发展与危机并存，应急管理常态化下要求社会治理工具能够快速反应、灵活调度；“隔离”“不接触”等物理区隔则使得人们的生产生活需要借助互联网实现社会资源的流通与配置。 在这样的背景下，数据发挥了重要的连接作用，愈发成为关键的社会治理资源[2,68]。 以数据为流通介质，社会治理的技术工具才能够实现信息共享、业务融合、流程简化、效益提升[69]。 关键是以数据为驱动和导向的社会治理方式创新能否真正被社会公众接纳而具有可持续发展能力。 本文通过实证研究“健康码”常态化使用的影响因素，为面向数据化的社会治理与应急管理方式创新及其社会嵌入路径提供了以下启示：

（1）切实提升治理工具的技术效能。 加强数据治理技术能力建设，提高数据处理和分析的效率和准确性，提升数据分析结果的精细度和参考价值，避免“简单化”“一刀切”。建立报错和纠错机制[23]，畅通用户反馈渠道，增加市场化（产品化）逻辑在“健康码”常态化发展策略中的权重。 构建跨部门、层级、地域的数据通联机制，以数据资源整合带动业务功能整合，形成核心功能优势。 以“健康码”为例，未来可将其与个人定制化健康服务、在线医疗服务、基层社区公共服务等相衔接，通过功能优化增强用户黏性。

（2）加快完善数据治理标准和规范。 加强人机交互关系变迁下数据治理与隐私保护研究，制定、细化并定期更新数据治理相关标准，包括但不限于数据采集标准、数据使用标准、数据通联标准等，辅之以组织保障、工作流程、管理权限、应急措施等制度性规范，确保治理实践的一致性和治理主体的公信力。重点保障用户的数据知情权和自决权，不仅要向用户明确告知数据采集范围及处理方式，还要给予用户删除或匿名化处理个人已上传数据的权限[29]，并提供面向数据风险的法律救济[28]，缓解用户对治理工具的风险顾虑。

（3）提前明确政企合作的权责关系。 对政企合作下数据归属主体、主体职能分工及其管理权限等信息要提前予以公开说明。 比如在“健康码”植入商业平台（如微信、支付宝）的情形下，必须提前向用户告知政府部门和商业平台在数据采集、使用、存储及风险管理上的分工和权限，以及政务数据和网络社交数据的通联和边界，避免出现主体协同治理下的管理“真空”。 建立平台数据处理情况信息公开及专项抽检机制，督促平台方切实履行社会责任，维系协同体系下的用户信任基础。

（4）弹性调整数据治理的工作重心。 加强社会公共危机预警机制和响应机制建设，以危机程度及时调整数据治理工作重心，将数据风险管理纳入常态化应急管理体系。 以“健康码”为例，当疫情发展趋于平稳时，应着重从效能侧对“健康码”进行功能建设和优化，尽快探索并建立“健康码”数据处理标准和管理规范，进一步强化基于数据的健康诊断、形势研判、病毒溯源、应急响应等能力；当疫情出现反弹时，要重点从风险侧加强数据风险和健康风险管理，及时做好知识科普、信息公开，顺应用户的自我防卫心理。

总之，推动后疫情时代社会治理与应急管理的数据化转型，核心是处理好工具创新与路径依赖的关系，准确识别创新实践中路径依赖的部分（典型案例如“层层加码”[70-71]），改“应急”模式为“管理”模式，变“指令”逻辑为“产品”逻辑，以功能优化和制度建设内化数据治理理念，推动数据化治理技术真正嵌入社会治理与应急管理体系。

5 不足与展望

本研究仍然存在一些不足之处。 就深挖“健康码”常态化使用影响因素、更全面地呈现用户常态化使用“健康码”的心理过程而言，本研究模型涉及的变量还相对有限，未来有必要对更多的变量进行考察，比如社会影响和便利条件等[17]。 此外，由于“健康码”的推广和使用受政策环境、意识形态[13]等因素影响，未来还应将本研究模型放置于更多元的社会情境下以检验其解释力。