MOA视角下在线视频社区用户自我披露行为研究

朱梦蝶 付少雄 程为 陈晓宇

摘   要：探究在线视频社区用户自我披露行为的影响因素，有助于在线视频社区改善对用户个人信息披露的管理，提高用户活跃度和粘性。文章以MOA为理论基础，以bilibili为研究情境，通过二手客观数据抓取1，453，652名有效用户数据，从动机（M）、机会（O）、能力（A）三个维度探究在线视频社区用户自我披露行为的影响因素。研究发现：经济奖励、社会支持以及用户地位均对用户自我披露行为具有显著的正向影响，而同侪认可对于用户自我披露行为具有显著的负向影响。在科技区、运动区和知识区等独立分区下，同侪认可对于用户自我披露行为具有显著的正向影响。研究可为在线视频社区的隐私政策制定以及精准推送提供借鉴。

关键词：在线视频社区；自我披露行为；bilibili；MOA；影响因素

中图分类号：C913.4   文献标识码：Ａ   DOI：10.11968/tsyqb.1003-6938.2023067

Research on the Influencing Factors of Users' Self-Disclosure Behavior in Online Video Communities from the Perspective of MOA Theory——Taking Bilibili as an Example

Abstract Exploring the influencing factors of users self-disclosure behavior in online video communities can help improve the management of user personal information disclosure， and improve user activity and stickiness. Using MOA theory as the theoretical foundation and bilibili as the research context， this study explores the influencing factors of online video community users self-disclosure behavior from three dimensions： motivation （M）， opportunity （O）， and ability （A） through second-hand objective data capture including 1，453，652 effective users. This study has found that financial rewards， social support， and user status-standing all have a significant positive impact on users self-disclosure behavior. In contrast， peer recognition has a significant negative impact on users' self-disclosure behavior. In independent zones such as technology zones， sports zones， and knowledge zones， peer recognition has a significant positive impact on users self-disclosure behavior. Research can provide suggestions for privacy policy formulation and precise push of online video community platforms.

Key words online video community; self-disclosure behavior; bilibili; MOA; influencing factors

中国互联网络信息中心发布的第52次《中国互联网络发展状况统计报告》显示，截止2023年6月，国内网络视频（含短视频）用户规模达10.44亿，较2022年12月增长1380万，占网民整体的96.8%［1］。bilibili（www.bilibili.com）作为国内最大的在线视频社区之一，早期以ACG（动画、漫画、游戏）视频为主，凭借内容垂直、社区氛围好等优势吸引了大量的用户，尤其是年轻一代的用户。而后以用户兴趣为导向进行内容拓展，平台内容逐步由ACG向泛生活转变，根据bilibili平台财报显示，截至2023年第二季度，bilibili月均活跃用户数为3.24亿，同比增长近6%；日均活跃用户为9650万，同比增长15%。B站正式会员数达2.14亿，同比增长26%。用户日均使用时长为94分钟，带动总使用时长同比增长22%［2］。以bilibili为代表的在线视频社区已经成为互联网用户日常生活中不可或缺的部分。

在线视频社区的成功很大程度上取决于用户在社区中披露的个人信息数量，用户披露的个人信息越多，代表用户对该社区信任程度越高［3］。同时，用户在社区中进行自我披露也会反过来为其带来个人利益和社会利益。如通过自我披露，用户可以向社区中的其他成员展示自己的个人信息和兴趣爱好，从而建立和加强与他人间的亲密关系，提高社区的凝聚力和稳定性［4］。但是，用户在互联网中披露的个人信息通常可以被追踪和存储，这使得用户在互联网环境中的隐私处于相当脆弱的地位，用户对个人信息泄露的担忧不断增加，进而导致用户自我披露程度其實并不是很高［5］。考虑到自我披露的重要性与用户自我披露程度不高之间的矛盾性，探索用户自我披露行为的影响因素既迫切又必要。

本文中用户自我披露行为（Self-disclosure behavior）指的是在线视频社区用户向他人透露未知的、无法从其他来源获得的个人信息的行为，透露的范围可以从基本的个人信息（如年龄、性别等）到高度私人的信息（如兴趣爱好等）［6］。当前在线社区用户自我披露行为相关研究多关注Facebook［7-8］、博客网站［9］、微信［10-13］、微博［14-15］等社交媒体平台中用户个人资料的披露程度，较少关注bilibili这类在线视频社区用户的自我披露行为。现有研究以问卷调查法［16-19］为主，较少采用二手客观数据探究在线视频社区用户自我披露行为的影响因素。此外，现有研究尚未基于MOA理论对在线视频社区用户自我披露行为的影响因素进行探究。

基于上述研究局限性，以bilibili在线视频社区为研究情境，基于MOA（Motivation-Opportunity-Ability）理论，从动机（M）、机会（O）、能力（A）三个维度探究在线视频社区用户自我披露行为的影响因素。研究对bilibili中科技区、运动区以及知识区中共1，453，652名用户数据进行抓取，并对其进行回归分析和后测检验。研究结果不仅可以丰富在线视频社区用户自我披露行为相关研究，扩展了MOA理论应用范围，也可以为在线视频社区平台运营和隐私制度制定提供科学的建议和指导，有助于在线视频社区鼓励用户披露个人信息进而实现精准推送，提高用户粘性和活跃度。

1   文献综述

1.1    在线社区运用MOA理论的实证研究

MOA理论即动机（Motivation）-机会（Opportunity）-能力（Ability）理论，最初由MacInnis和Jaworski在1989年提出，用于解释广告行业的消费者信息处理行为［20］。其中，动机（M）指的是驱动用户执行某项行为的因素，机会（O）指的是对用户执行某项行为产生影响的环境因素，能力（A）指的是用户执行某项行为的技能因素。

MOA理论已被国内外学者广泛应用于在线社区中（见表1）。当前MOA理论被较多地应用于图书情报学［21-25］、经济管理学［26-28］、营销学［29-30］等学科；研究情境涵盖微信等社交媒体［21，28-29］、喜马拉雅FM等知识类平台［23］、在线健康社区［25］、购物APP等社交商务平台［26］以及知乎等社会化问答社区［27］等；研究对象包括以上各类社区中的普通用户［21-24］以及患者［25］、消费者［26］、企业员工［28］、销售人员［29］等，用于解释信息分享意愿/行为［21，26］、知识交流共享行为［22］、知识付费行为［23］、使用行为［24，29］、选择行为［25］、知识贡献行为［27］、知识创造行为［28］、购买意愿［30］等各类在线社区用户信息行为；研究方法主要包括情境实验［21］、问卷调查［22-24］、二手数据分析［25］以及扎根理论［27］等。

在在线视频社区的研究情境中，用户的自我披露行为在一定程度上会受到外部动机和内部动机的驱动，在此驱动过程中，机会因素和能力因素也会对“动机-行为”路径产生影响。因此，MOA理论模型可以从动机、机会和能力3个维度综合刻画在线视频社区情境下用户自我披露的主要影响因素，能够适用于在线视频社区用户自我披露行为的研究。但是现有研究较少基于MOA理论，面向在线视频社区用户进行自我披露行为研究。同时，大部分研究是采用问卷调查的方式，鲜有研究基于社区中用户的客观数据展开分析。相对于传统的问卷调查法，使用二手客观数据不容易受到回答者主观偏见的影响，并且可以更快速、低成本地获得较大的数据量，尤其是在传统问卷难以捕捉的用户行为方面具有较大的优势。鉴于此，本文基于bilibili平台抓取用户的客观数据，并利用MOA理论分析在线视频社区中用户自我披露行为的影响因素。

1.2    在线社区用户自我披露行为研究

国内外学者针对在线社区用户自我披露行为动因开展了系列研究（见表2）。对于研究情境，涵盖Facebook［7-8］、博客网站［9］、微信［10-13］、微博［14-15］等国内外社交媒体平台；研究方法以问卷调查为主［16-19］，也有学者基于二手数据展开研究［14-15］；研究的理论基础涉及隐私计算理论［11，13］、社会认知理论［10］、使用与满足理论［16］、理性行为理论［17］等。现有在线社区用户自我披露行为动因研究，多关注社交媒体平台中用户个人资料的披露程度，较少关注bilibili这类在线视频社区用户的自我披露行为。但是，对于这类社区，用户的自我披露行为也具有重要的研究意义。一方面，用户对于个人信息的披露可以展现出用户对于该社区的信任和归属感，有助于用户战略性地构建和维护个人身份；另一方面，用户披露自己的个人兴趣标签，可以体现出用户的交友意愿，也有助于社区精准推送信息。

2   研究假设及模型

本文基于MOA理论，结合在线视频社区属性，探究动机（M）、机会（O）、能力（A）对于在线视频社区用户自我披露行为的影响作用，构建研究模型（见图1）。将动机（经济奖励、同侪认可）、机会（社会支持）、能力（用户地位）基于在线视频社区情境化，分别探究其对用户自我披露行为的影响；考虑到关注数、大会员等级、官方认证类型、铭牌等級、投稿数等因素对用户自我披露行为的潜在影响，将上述变量纳入为控制变量。

2.1   动机（M）维度因素

动机（M）通常被认为是引导用户实施特定行为、做出决定以及处理信息的驱动力，可以区分为外部动机和内部动机［31］。外部动机指的是用户实施某个行为是受外在因素的驱动［32］。经济奖励（Financial rewards）指代社区中其他成员对用户经济上的奖励。经济奖励是一种重要的外在效用，在设计恰当的情境下，经济奖励可以对用户行为起到显著的促进作用［33］。因此，本文将经济奖励视为外部动机，作为动机（M）维度的影响因素之一。Hann等研究发现经济奖励对于隐私关注具有显著的负向影响［34］，而隐私关注会对用户自我披露行为产生显著的负向影响［35］。也就是说，适当地提供经济奖励会降低用户对于个人隐私的关注度，进而提高用户对于个人信息的披露意愿。bilibili通过“充电计划”鼓励观众对自己喜欢的用户进行“充电”，用户通过“充电计划”获得的收入可以提现，兑换成实际的经济奖励。对用户进行经济奖励的观众越多，用户的收益则越多，用户对于隐私关注越少，进一步导致用户自我披露的意愿越强［36］。因此，本文假设：

H1：经济奖励对于用户自我披露行为具有显著正向影响。

内部动机指用户实施某个行为本身能够满足个体获得注意力和提升自我价值的内在心理需求［37］。同侪认可（Peer recognition）表明该用户已受到其他成员的积极反馈或某种形式的认可，反映了社区中其他成员的看法［38］。互惠理论［39］和归属需求理论［40］都表明，来自其他用户的反馈将通过影响用户的内在心理需求，进一步对用户未来的参与行为产生影响。因此，本文将同侪认可视为内部动机，作为动机（M）维度的影响因素之一。陈小卉等认为用户在虚拟社区中获得的点赞量越多，表明用户被认可度越高，将会鼓舞用户的内容贡献［41］。bilibili的用户可以通过投稿视频进行内容贡献，如果贡献的作品获得其他用户的认可，通常会收到其他成员的积极反馈（如“赞”）［42-43］。根据社会交换理论，当用户在社区中交换信息和注意力时，用户希望收到其他成员的反馈，尤其是积极反馈，这会提高用户对于该社區的满意度。而满意度是人们进行自我披露行为的关键驱动力，即用户对社区满意度越高，用户实施自我披露行为的可能性越大。因此，本文假设：

H2：同侪认可对于用户自我披露行为具有显著正向影响。

2.2    机会（O）维度因素

机会（O）通常被认为是用户实施特定行为的环境因素，机会既可以是抑制个体行为的不利因素，也可以是推动个体行为的有利因素［44］。在在线视频社区的情境下，社会支持（Social support）指的是个体感到在社区中被关注、被支持、被激励的情绪体验和满意程度［45］。社区中处在支持的个体感觉到被群体关注和支持，能够建立和表现出与其他个体之间的有机联系［46］，发展社交关系［47］。用户间的社会支持可以营造良好的社区互动氛围，推动用户实施参与行为［48］、分享意愿［49］以及自我披露意愿等［50］。因此，本文通过社会支持这一指标对机会（O）进行衡量。张星等研究发现情感支持对用户的信息披露态度具有正向影响［51］。在bilibili的研究情境下，当用户被关注时往往会感受到来自其他用户的支持和喜爱，社区中社会支持氛围越好，用户对该社区信任度越高，更容易有社区归属感，更有可能在该社区披露个人信息和兴趣爱好，进而和社区中的其他用户进行更深入地在线交流和互动。因此，本文假设：

H3：社会支持对于用户自我披露行为具有显著正向影响。

2.3    能力（A）维度因素

能力（A）通常被认为是个体行为决策的潜力和信心，包括个体所具备的水平条件和物资能力等［52］。用户地位（Status-standing）指代个人在群体中基于声望、荣誉和尊重的相对地位，能够彰显用户在社区中的相对能力。因此，本文通过用户地位这一指标对能力（A）进行衡量。集体行动地位理论（Status theory of collective action，STOCA）指出“个体因过去的贡献而获得的地位越高，其集体动机就会增加，个体就会越倾向于积极看待集体”［53］。在bilibili中地位可以通过用户的等级来衡量。用户等级越高，用户所获得的权益就越多。bilibili用户等级是用户在网站活跃度的展现，只有获得足够经验值后才能提升用户等级。用户等级的晋升是基于内容贡献（用户投稿的作品若获得1硬币，则增加1经验值）和用户参与（登录、观看/投币/分享视频）等方式。等级高的个体收获到越多的权益，通常具有更强的集体意识，对于社区的归属感越强，越有可能进行自我披露。因此，本文假设：

H4：用户地位对于用户自我披露行为具有显著正向影响。

3   研究方法

3.1    数据采集

本文数据采集于国内极具代表性的综合性在线视频社区，即bilibili网站。其视频内容涵盖生活、游戏、时尚、知识、音乐等数千个品类和圈层，引领着流行文化的风潮，受到了中国Z世代的欢迎。值得注意的是，bilibili中94%的视频播放量都来自于专业用户创作的视频（Professional User Generated Video，PUGV），这使其成为中文互联网中极其独特的存在［54］。选取bilibili中科技区、运动区、知识区的用户作为数据来源，探讨用户的自我披露行为，并自行编写Python代码，爬取曾在以上分区中发布过视频作品的用户，爬取时间为2022年1月29日至2022年2月15日，最终获取到1，453，652名有效用户数据。采集的用户数据涵盖用户主页上的用户昵称、性别、用户等级、大会员等级、粉丝勋章级别、个性签名、投稿数、关注数、粉丝数、获赞数、播放数、阅读数、官方认证、充电总人数、主页公告、直播间、用户UID、生日、学校、职业、主页标签等属性。

3.2    变量测量

对因变量、自变量与控制变量测量阐释（见表3）后逐一分析。

（1）因变量测量。本文因变量指代用户自我披露行为。在bilibili的研究情境中，用户可以根据个人意愿选择是否披露学校、职业、性别、生日等个人基本信息以及粉丝勋章、主页公告、主页标签、个性签名等彰显个人兴趣爱好的拓展信息。为此，本文将用户自我披露行为情境化为用户披露以上各项信息的数量。如果用户披露了以上某项信息，则用户该项计分为1。本文采用以上8项计分的总和来表示用户自我披露的分数，若用户未呈现以上所有信息和功能，则该用户得分为0；若用户呈现以上所有信息和功能，则该用户得分为8。

（2）自变量测量。本文自变量指代经济奖励、同侪认可、社会支持、用户地位。其中经济奖励情境化为用户充电总人数，取值为实际数值。同侪认可情境化为用户获赞数，取值为实际数值。社会支持情境化为粉丝数，取值为实际数值。用户地位情境化为用户等级，取值为实际数值。

（3）控制变量测量。本文将关注数、大会员等级、官方认证类型、铭牌等级、投稿数作为控制变量。关注数指的是用户关注其他UP主的总数；大会员等级指代用户开通的大会员的等级，包括未开通大会员、大会员、年度大会员、十年大会员、百年大会员五个等级，分别取值0-4；官方认证类型指代用户申请并获得官方认证的类型，包括无官方认证、bilibili知名UP主、社会身份及职业、企业官方账号、政府官方账号、传统媒体及新媒体官方账号、校园-公益组织-社会团体等官方账号、优质专栏UP主、社会知名人士，分别取值0，1，2，3，4，5，6，7，8；铭牌等级指代用户完成社区任务获得的铭牌成就等级，取值为实际数值；投稿数指代用户在社区中投稿作品的数量，取值为实际数值。

由于充电总人数、获赞数、粉丝数、关注数、投稿数部分数据数值过大且数据整体偏态严重，因此，将对以上变量进行对数变换处理。

4   结果分析

4.1    描述性統计

在对数变换处理的基础上，除去分类变量（Categorical Variables），即官方认证类型，对本文中涉及到的各变量描述性统计（见表4），包含最大值、最小值、平均值、标准差以及偏度。

本文对变量进行了相关性分析，部分变量间的相关性高于0.600。共线性诊断结果显示所有变量的方差膨胀系数（Variance Inflation Factors，VIF）都远小于10，因此，本文不存在多重共线性问题［56］。

4.2    回归分析

在相关性分析的基础上，进行线性回归（Linear Regression）分析（见表5）可知，经济奖励对于用户自我披露行为具有显著的正向影响（β=0.030，p<0.001），因此，H1成立；同侪认可对于用户自我披露行为具有显著的负向影响（β=-0.040，p<0.001），因此，H2不成立；社会支持对于用户自我披露行为具有显著的正向影响（β=0.212，p<0.001），因此，H3成立；用户地位对于用户自我披露行为具有显著的正向影响（β=0.099，p<0.001），因此，H4成立。

对于控制变量，关注数（β=0.046，p<0.001）、大会员等级（β=0.015，p<0.001）、铭牌等级（β=0.068，p<0.001）、投稿数（β=0.087，p<0.001）显著正向影响用户的自我披露行为，官方认证类型（β=-0.003，p<0.001）显著负向影响用户的自我披露行为。

4.3    后测检验

考虑到不同分区的用户可能在自我披露意愿上存在差异，本文进行了后测检验，分别对科技区、运动区和知识区的用户展开分析（见表6-8）。科技区回归分析结果表明，经济奖励对于用户自我披露行为具有显著的正向影响（β=0.054，p<0.001），因此，H1成立；同侪认可对于用户自我披露行为具有显著的正向影响（β=0.080，p<0.001），因此，H2成立；社会支持对于用户自我披露行为具有显著的正向影响（β=0.083，p<0.001），因此，H3成立；用户地位对于用户自我披露行为具有显著的正向影响（β=0.198，p<0.001），因此，H4成立。对于控制变量，关注数（β=0.107，p<0.001）、大会员等级（β=0.073，p<0.001）、铭牌等级（β=0.124，p<0.001）、投稿数（β=0.106，p<0.001）显著正向影响用户的自我披露行为，官方认证类型（β=-0.008，p<0.001）显著负向影响用户的自我披露行为。

运动区回归分析结果表明，经济奖励对于用户自我披露行为具有显著的正向影响（β=0.045，p<0.001），因此，H1成立；同侪认可对于用户自我披露行为具有显著的正向影响（β=0.075，p<0.001），因此，H2成立；社会支持对于用户自我披露行为具有显著的正向影响（β=0.119，p<0.001），因此，H3成立；用户地位对于用户自我披露行为具有显著的正向影响（β=0.160，p<0.001），因此，H4成立。对于控制变量，关注数（β=0.091，p<0.001）、大会员等级（β=0.077，p<0.001）、铭牌等级（β=0.123，p<0.001）、投稿数（β=0.062，p<0.001）显著正向影响用户的自我披露行为，官方认证类型（β=-0.015，p<0.001）显著负向影响用户的自我披露行为。

知识区回归分析结果表明，经济奖励对于用户自我披露行为具有显著的正向影响（β=0.062，p<0.001），因此，H1成立；同侪认可对于用户自我披露行为具有显著的正向影响（β=0.121，p<0.001），因此，H2成立；社会支持对于用户自我披露行为具有显著的正向影响（β=0.040，p<0.001），因此，H3成立；用户地位对于用户自我披露行为具有显著的正向影响（β=0.171，p<0.001），因此，H4成立。对于控制变量，关注数（β=0.094，p<0.001）、大会员等级（β=0.073，p<0.001）、铭牌等级（β=0.122，p<0.001）、投稿数（β=0.121，p<0.001）显著正向影响用户的自我披露行为，官方认证类型（β=-0.001，p<0.001）显著负向影响用户的自我披露行为。

5   讨论

本文以bilibili在线视频社区为例，基于MOA理论探索了用户自我披露行为的影响因素，主要研究结论如下：

（1）动机（M）维度因素。外部動机（经济奖励）对于用户自我披露行为具有显著的正向影响。与先前研究一致［34-36］，在bilibili的研究情境下，当用户收到来自其他用户的“充电”时（即用户受到经济奖励时），用户的感知收益就越高，相应的用户对于个人隐私的关注度便会降低，这进一步导致用户自我披露的意愿变强，更有可能在在线视频社区中披露自己的个人信息。与先前研究不同的是［41-43］，本文发现内部动机（同侪认可）对于用户自我披露行为具有显著的负向影响。可能的原因是，在bilibili的研究情境中，当用户受到更多的同侪认可（即用户收到更多的“赞”）时，用户的视频更有可能被官方平台通过算法机制推荐到首页，从而被更多用户看到。这种情况下，用户往往会产生更大的隐私焦虑，点赞越多，被官方推送的可能性越大，受到的曝光更大，那么，用户对于个人信息会具有更强的保护意愿，也就不愿意在平台中披露自己的个人信息。

（2）机会（O）维度因素。社会支持对于用户自我披露行为具有显著的正向影响。与先前研究一致［51］，在bilibili的研究情境下，用户受到来自其他用户的“关注”时，往往会感受到来自他人的支持和喜爱，用户的粉丝数越多，感受到的社区互动氛围会越好。当用户在在线视频社区中感受到较高的社会支持时，用户更易对该社区产生较强的归属感和信任度。当在线视频社区获得用户的信任时，用户的隐私焦虑越低，更可能披露自己的个人信息和兴趣爱好，从而达到和其他用户进行良好交流与互动的目的。

（3）能力（A）维度因素。用户地位对于用户自我披露行为具有显著的正向影响。与先前研究一致［53］，在bilibili的研究情境下，用户等级越高，用户在社区中获得的权益就越多。当用户收获到更多的权益时，往往会对该在线视频社区具有更积极的看法、更强的归属感和更强的集体动机。具体而言，用户在bilibili中可以通过披露自己的个人信息和兴趣爱好来为社区提供更友好的氛围，进而对社区发展作出贡献。

（4）分区差异。在科技区、运动区和知识区等独立的分区下，同侪认可对于用户自我披露行为具有显著的正向影响，这一点与整体回归分析结果相反。可能存在的原因是，在bilibili的研究情境下，平台方基于用户兴趣爱好设置了众多不同的分区，用户若在自己感兴趣和熟悉的分区下获得同侪认可，更容易获得归属感和信任感，用户更可能去通过自我披露获得更多与同侪的在线交流机会。相反，用户若在宏观的社区中获得同侪认可，用户会感受到个人投稿的视频被推荐到了其他“陌生”分区下，用户隐私暴露的范围更大，会产生较大的隐私焦虑，这会对用户自我披露行为产生显著的负向影响。

6   结语

本文以bilibili为研究对象，基于MOA理论对在线视频社区用户自我披露行为的动因进行分析。研究发现，经济奖励、社会支持以及用户地位均对用户自我披露行为具有显著的正向影响，而同侪认可对于用户自我披露行为具有显著的负向影响。但是对科技区、运动区和知识区等独立分区进行回归分析发现，同侪认可对于用户自我披露行为具有显著的正向影响。基于上述研究结论，对在线视频社区平台方提出以下建议：

第一，适当给予用户经济奖励。一方面可以根据用户自我披露的程度给予阶梯式的经济奖励；另一方面可以完善平台激励计划，给予用户更多经济来源。通过提高平台对用户的经济奖励，可以相应地增强用户自我披露的外部动机，激励用户的自我披露行为。第二，完善用户隐私保护机制。一方面平台方可以联合相关政府部门制定针对性的隐私安全与保护的政策、法律法规；另一方面平台方应加强技术保护，保证用户个人信息安全。以上做法均需要加强向用户宣传，从而减少用户隐私顾虑，加强用户的自我披露意愿。第三，营造良好的社区氛围。一方面可以鼓励用户互相关注，促进用户间互动交流，打造支持型社区氛围；另一方面可以加强监管，对恶意关注、不文明行为进行排查整治、在官方控制下塑造文明社区氛围，为用户实施自我披露行为提供良好的环境。第四，为等级高的用户提供更多专属权益，提高用户的归属感和认同感，从而提高用户自我披露的可能性。第五，优化平台中的首页推荐算法，平台方应针对用户兴趣爱好，加强对于用户感兴趣的独立分区下的推荐，打造社区中的“社区”，而不是无差别地推荐流量高的视频，这样反而会提高用户隐私焦虑，阻碍用户自我披露行为。

研究还存在以下局限性：第一，在二手客观数据的基础上采用回归分析法分析数据，今后可以结合问卷调查和访谈等方法，进一步验证用户自我披露行为背后的原因和机理，同时可以采用扎根理论法，跳脱以往的理论研究，发掘新的影响因素。第二，以bilibili作为在线视频社区的代表，抽取科技区、知识区和运动区的用户数据，探索用户自我披露的影响因素，未来研究一方面可以扩展分区数据，验证bilibili平台中其他分区的用户是否符合该结论；另一方面可以扩展在线视频社区的类型，如探索抖音、快手等时兴的短视频平台用户自我披露行为的影响因素，检验研究结论的普适性。第三，本文对于用户自我披露行为的测量是通过计算用户披露各项信息的数量之和的方式，今后可根据个人信息的隐私程度不同，赋予相应的权值后再进行计算。

参考文献：

［1］  中国互联网络信息中心.第52次《中国互联网络发展状况统计报告》［EB/OL］.［2023-09-28］.https：//www.cnnic.cn/n4/20

23/0828/c199-10831.html.

［2］  Bilibili Inc.Announces Second Quarter 2023 Financial Results［EB/OL］.［2023-09-26］.https：//ir.bilibili.com/media/ck5oktqm/report-of-foreign-issuer-rules-13a-16-and-15d-16.pdf.

［3］  Chen X，Pan Y，Guo B.The influence of personality traits and social networks on the selfdisclosure behavior of social network site users［J］.Internet Research，2016，26（3）：566-586.

［4］  Hollenbaugh E E.Personal journal bloggers：profiles of disclosiveness［J］.Computers in Human Behavior，2010，26：1657-1666.

［5］  Kim Y.Predicting Information Self-Disclosure on Facebook：The Interplay Between Concern for Privacy and Need for Uniqueness［J］.The Korea Contents Association，2019，15（4）：74-81.

［6］  Wheeless L R，Grotz J.Conceptualization and Measurement of Reported Self-Disclosure［J］.Human Communication Research，1976，2（4）：338-346.

［7］  Chen R，Sharma S K.Learning and self-disclosure behavior on social networking sites：the case of Facebook users［J］.European Journal of Information Systems，2015，24（1）：93-106.

［8］  Kim E，Lee J A，Sung Y，et al.Predicting selfie-posting behavior on social networking sites：An extension of theory of planned behavior［J］.Computers in Human Behavior，2016，62：116-123.

［9］  Ko H C.The determinants of continuous use of social networking sites：An empirical study on Taiwanese journal-type bloggerscontinuous self-disclosure behavior［J］.Electronic Commerce Research and Applications，2013，12（2）：103-111.

［10］  Ma L，Ding X，Zhang X，et al.Mobile Users' Self-Disclosure Behaviour on WeChat：Application of Social Cognitive Theory［J］.Mobile Information Systems，2020，2020：1-13.

［11］  李琪，王璐瑤，乔志林.隐私计算与社会资本对移动社交用户自我披露意愿的影响研究——基于微信与微博的比较分析［J］.情报杂志，2018，37（5）：169-175.

［12］  王乐，王璐瑶，孙早.隐私侵犯经历对网络用户自我披露的影响机制［J］.系统工程理论与实践，2020，40（1）：79-92.

［13］  黄程松，王雪.近10年国外SNS用户自我披露行为研究述评［J］.信息资源管理学报，2019，9（2）：85-93.

［14］  张凯亮，臧国全，路杭霖，等.社交网络用户自我披露水平与其人格特质之间的关联研究［J］.现代情报，2022，42（6）：49-56.

［15］  臧国全，孔小换，张凯亮，等.社交网络用户自我披露意愿研究——以新浪微博为例［J］.图书情报工作，2021，65（16）：90-97.

［16］  Mouakket S.Information self-disclosure on mobile instant messaging applications：Uses and gratifications perspective［J］.Journal of Enterprise Information Management，2018，32（1）.98-117.

［17］  Mouakket S，Sun Y.Examining factors that influence information disclosure on social network sites from the perspective of network externalities［J］.Industrial management & data systems，2019，119（4）：774-791.

［18］  Zhang S，Kwok R C W，Lowry P B，et al. Does more accessibility lead to more disclosure？Exploring the influence of information accessibility on self-disclosure in online social networks［J］.Information Technology & People，2019，32（3）：754-780.

［19］  鄧胜利，杨璐伊，付少雄.基于自我差异理论的社交网络用户自我披露行为研究［J］.情报理论与实践，2021，44（3）：122-130.

［20］  MacInnis D J，Jaworski B J.Information processing from advertisements：Toward an integrative framework［J］.Journal of Marketing，1989，53（4）：1-23.

［21］  宋小康，赵宇翔，宋士杰，等.基于MOA理论的健康谣言分享意愿影响因素研究［J］.情报学报，2020，39（5）：511-520.

［22］  贾明霞，熊回香.虚拟学术社区知识交流与知识共享探究——基于整合S-O-R模型与MOA理论［J］.图书馆学研究，2020（2）：43-54.

［23］  杨昕雅，胡鑫.基于MOA视角的中国移动互联网知识付费行为影响因素研究——以喜马拉雅FM为例［J］.新世纪图书馆，2019（10）：29-36.

［24］  Ojo A O，Arasanmi C N，Raman M，et al.Ability， motivation，opportunity and sociodemographic determinants of Internet usage in Malaysia［J］.Information Development，2019，35（5）： 819-830.

［25］  Wang J J，Liu H，Cui X，et al.Impact of a physician's prosocial behavior on the patient's choice：an empirical investigation in online health community［J］.Information Technology & People，2023，36（4）：1703-1725.

［26］  李辉，吴文乐，汪蓉.基于MOA理论的消费者在线分享行为研究——以购物APP为例［J］.哈尔滨商业大学学报（社会科学版），2022（1）：42-53.

［27］  周朴雄，王万吉.基于MOA分析的社会化问答平台用户知识贡献行为影响因素研究［J］.技术经济，2020，39（4）：17-21.

［28］  Yee R W Y，Miquel-Romero M J，Cruz-Ros S.Why and how to use enterprise social media platforms： The employees perspective［J］.Journal of business research，2021，137：517-526.

［29］  Guenzi P，Nijssen E J.Studying the antecedents and outcome of social media use by salespeople using a MOA framework［J］.Industrial Marketing Management，2020，90：346-359.

［30］  Xu X Y，Gao Y X，Jia Q D.The role of social commerce for enhancing consumersinvolvement in the cross-border product： Evidence from SEM and ANN based on MOA framework［J］.Journal of Retailing and Consumer Services，2023，71：103187.

［31］  Zhou J，Zuo M，Ye C.Understanding the factors influencing health professionals' online voluntary behaviors：Evidence from YiXinLi，a Chinese online health community for mental health［J］.International Journal Of Medical Informatics，2019，130：103939.

［32］  Ryan R M，Deci E L.Intrinsic and extrinsic motivations：Classic definitions and new directions［J］.Contemporary Educational Psychology，2000，25（1）：54.

［33］  Roberts J A，Hann I H，Slaughter S A.Understanding the motivations，participation，and performance of open source software developers：A longitudinal study of the apache projects［J］.Management Science，2006，52（7）：984-999.

［34］  Hann I H，Hui K L，Lee S Y T，et al.Overcoming online information privacy concerns：An information-processing theory approach［J］.Journal of Management Information Systems，2007，24（2）：13-42.

［35］  Wu K W，Huang S Y，Yen D C，et al.The effect of online privacy policy on consumer privacy concern and trust［J］.Computers in human behavior，2012，28（3）：889-897.

［36］  张星，陈星，侯德林.在线健康信息披露意愿的影响因素研究：一个集成计划行为理论与隐私计算的模型［J］.情报资料工作，2016，37（1）：48-53．

［37］  Ryan R M，Deci E L.Self-determination theory and the facilitation of intrinsic motivation，social development，and well-being［J］.American Psychologist，2000，55（1）：68.

［38］  Chen W，Wei X，Zhu K X.Engaging voluntary contributions in online communities：A hidden markov model［J］.MIS quarterly，2018，42（1）：83-100.

［39］  Gouldner A W.The norm of reciprocity：A preliminary statement［J］.American Sociological Review，1960，25（2）：161-178.

［40］  Baumeister R F，Leary M R.The need to belong：desire for interpersonal attachments as a fundamental human motivation.［J］.Psychological Bulletin，1995，117（3）：497-529.

［41］  陈小卉，胡平，周奕岑.知乎问答社区回答者知识贡献行为受同伴效应影响研究［J］.情报学报，2020，39（4）：450-458.

［42］  Jabr W，Mookerjee R，Yong T，et al.Leveraging philanthropic behavior for customer support：The case of user support forums［J］.Mis Quarterly，2014，38（1）：187-208.

［43］  Jin J，Li Y，Zhong X，et al.Why users contribute knowledge to online communities：An empirical study of an online social Q&A community［J］.Information & management，2015，52（7）：840-849.

［44］  Castaeda J A，Montoro F J.The effect of Internet general privacy concern on customer behavior［J］.Electronic Commerce Research，2007（7）：117-141.

［45］  Shumaker S A，Brownell A.Toward a theory of social support：closing conceptual gaps［J］.Journal of Social Issues，1984，40（4）：11-36.

［46］  Rosenbaum M S，Massiah C A.When customers receive support from other customers：Exploring the influence of intercustomer social support on customer voluntary performance［J］.Journal of Service Research，2007，9（3）：257-270.

［47］  Geck C.How to make money with social media：An insider's guide on using new and emerging media to grow your business［J］.Library Journal，2011，136（1）：107．

［48］  潘濤涛，吕英杰.在线健康社区中基于SOR模型的用户参与行为影响因素研究［J］.情报资料工作，2022，43（2）：76-83.

［49］  魏华，高劲松，代芳.虚拟健康社区社会支持对用户知识分享意愿的影响：一个有调节的链式中介模型［J］.情报科学，2021，39（12）：146-154，173.

［50］  单思远，易明.在线健康社区用户自我信息披露意愿研究［J］.图书情报工作，2022，66（21）：67-77.

［51］  张星，陈星，侯德林.在线健康信息披露意愿的影响因素研究：一个集成计划行为理论与隐私计算的模型［J］.情报资料工作，2016（1）：48-53.

［52］  魏莉丽，高尚宾，吴一平，等.基于MOA理论的农民技术采纳行为研究——以水稻化肥减施技术为例［J］.中国农业资源与区划，2022，43（4）：58-66.

［53］  Willer R.A status theory of collective action［M］.Altruism and prosocial behavior in groups.Emerald Group Publishing Limited，2009：133-163.

［54］  哔哩哔哩.关于我们［EB/OL］.［2023-09-09］.https：//www.bilibili.com/blackboard/aboutUs.html？spm_id_from=333.1007.0.0.

［55］  Dong L，Huang L，Hou J J，et al.Continuous content contribution in virtual community：The role of status-standing on motivational mechanisms［J］.Decision Support Systems，2020，132：113283.

［56］  Neter J，Kutner M H，Nachtsheim C J，et al.Applied linear statistical models［C］.Chicago：Irwin，1996.

作者简介：朱梦蝶（1998-），女，南京大学信息管理学院博士研究生；付少雄（1993-），男，南京农业大学信息管理学院副教授；程为（1998-），男，南京农业大学信息管理学院博士研究生；陈晓宇（1991-），男，上海大学文化遗产与信息管理学院讲师。