“精于算计”：社交媒体用户隐私保护脱离形成机制探讨*

2024-03-10段秋婷上海大学新闻传播学院

图书馆杂志 2024年2期

段秋婷（上海大学新闻传播学院）

张大伟（复旦大学新闻学院）

陈彦馨（闽江学院人文学院）

0 引言

伴随个人数据潜能持续释放，互联网用户的隐私风险剧增。根据CNNIC发布的第50次《中国互联网络发展状况统计报告》，截至2022年6月，我国21.8%的网民曾遭遇个人信息泄露，遭遇网络诈骗及账号密码泄露的网民比例分别占17.8%和6.9%[1]。尤其在社交媒体使用中，用户主动披露的信息越多，其面临的威胁也越大[2]。然而，用户在隐私保护中所作的努力时常与初始目标相背离，一方面，言辞晦涩的隐私知情同意和复杂隐蔽的隐私保护设置无形中提高了隐私保护门槛，致使社交媒体用户在隐私保护中无力感剧增，隐私保护效果不甚理想[3]；另一方面，出让隐私信息满足了大量用户对于内容定制化和社交资本积累的需求，致使越来越多用户忽视隐私保护[4]。隐私保护脱离在一定程度上意味着用户从互联网环境治理中退场，这不仅对个人隐私安全造成威胁，更不利于社交媒体平台信任建立和互联网治理发展目标的实现。

长期以来，大量学者聚焦于隐私信息披露[5]、隐私保护意向[6]等社交媒体用户隐私行为，但从现实来看，频发的线上隐私泄露事件对用户信念形成了冲击，其隐私保护态度从积极转向消极，隐私保护脱离逐渐显现。当前学界对于隐私保护脱离的研究尚处于起步阶段，既有研究主要针对隐私保护脱离的行为表征和影响因素展开探讨。脱离（disengagement）通常表现为一种因受到外部压力而减少努力，或放弃行为目标并退出的行为[7]，当短暂的逃离感出现后，个体会通过调整自身行为以规避事件可能造成的影响[8]。在社交媒体深度嵌入个人生活的当下，一些用户逐渐减少在隐私保护方面投入的精力，进而降低响应，该行为被界定为隐私保护脱离[9]，具体表现为放弃阅读隐私知情同意[10]、主动披露个人信息[11]、默许个人信息公开设置[12]、放弃隐私维权[13]等行为。

相关研究发现，兴趣降低[14]、资源受限[15]、情绪倦怠[16]等负面因素是引发脱离行为的重要前因。在社交媒体中，隐私关注与隐私保护脱离呈负相关，隐私倦怠则与隐私保护脱离呈正相关[9]。许一明等针对国内社交媒体用户的隐私保护脱离行为进行了研究，证实了隐私倦怠是隐私保护脱离的正向影响因素，并指出内部及外部的隐私保护自我效能会触发隐私倦怠[17]。由此可见，隐私倦怠是导致用户消极应对隐私问题的关键要素，但当前对于隐私保护脱离的前因变量及形成机制尚缺乏系统探讨。综上所述，本研究以社交媒体用户隐私倦怠为切入点，尝试从社交媒体用户要素和平台要素出发，通过结构方程模型（SEM）和模糊集定性比较分析（fsQCA）相结合的研究方法，探讨隐私保护脱离的形成机制及其前因构型。

1 理论基础与模型构建

1.1 多维发展理论与隐私交互管理

1977年Laufer和Wolfe提出的多维发展理论（multidimensional developmental theory）为理解隐私保护行为提供了宏观框架。该理论认为，个人的隐私意识和行为源自自我意识（selfego）、人际交互（interpersonal）和外部环境（environmental）的互动[18]，而作为个体与外部连接点的人际交互尤为关键。进入互联时代，传播隐私管理逐渐由用户间的交互转向为用户与平台的交互，有学者进一步将人际交互维度细化为个人信息管理和个人与平台间的交互管理[19]。信息管理维度聚焦信息特征，如信息敏感性[20]、隐私政策有效性和隐私设置可供性等[21]；交互管理维度则突出系统属性，如社会存在[22]、信息透明度、系统交互性等[23]。结合社交媒体平台特征，本研究将隐私保护脱离影响因素划分为两大维度，信息管理包含隐私侵犯经历和隐私保护成本；交互管理则涉及隐私设置可供性和隐私政策有效性。

1.2 隐私倦怠与隐私保护脱离

隐私保护脱离暗含用户从参与到回避的过程，而隐私倦怠是引发用户隐私保护行为由积极向消极转变的关键要素[24]。当个体面对过高的要求或难以达成的目标时，主观层面出现的疲劳感即为倦怠[25]。隐私倦怠具体表现为犬儒主义和情绪耗竭，犬儒主义是指因倦怠而形成的挫折感、幻灭感乃至绝望感，主要源自预期和现实的巨大落差[26]。情绪耗竭涉及个体因外部压力所产生的情绪资源枯竭及身体倦怠，严重削弱了个体的效能感和行动效率[27]。在社交媒体情境之中，高隐私倦怠水平的用户呈现出更高的个人信息披露意向[16]和隐私管理回避意向，且相较于隐私顾虑，隐私倦怠对用户行为的作用力更加强烈[9]。因此，本研究提出以下假设：

H1：社交媒体用户的隐私倦怠会正向影响其隐私保护脱离。

1.3 隐私侵犯经历与隐私倦怠

隐私侵犯经历是指用户在过去一段时间内，关于隐私侵犯事件的累计经验[28]，隐私侵犯经历对于用户隐私顾虑的影响得到了普遍证实。有学者指出，亲身经历隐私泄露事件或当亲近的好友遭受隐私侵犯，会持续增强用户对于自身隐私的担忧[29]。消极经验所导致的心理创伤加剧了用户的“隐私受害者”情绪，尤其在经历Facebook剑桥门事件后，用户对于社交媒体的信任降至谷底。但隐私侵犯经历对于隐私倦怠的作用效价尚未形成定论，一方面，频繁遭遇隐私负面事件可能加剧了用户的敏感性和警惕性[30]；另一方面，习得性无助理论指出，巨大的隐私风险会严重损坏个体安全感[31]，导致消极隐私态度的出现，隐私倦怠随之产生。据此，本研究假设：

H2：社交媒体用户的隐私侵犯经历会正向影响其隐私倦怠。

1.4 隐私保护成本与隐私倦怠

时空压缩是数字社会的突出特征，用户会谨慎处理高卷入的线上任务。在社交媒体使用中，隐私保护需要调用用户大量认知资源，甚至会导致平台功能的折损，由此产生了高昂的隐私保护成本。一方面，长篇幅的隐私政策包含复杂的术语、组织结构和执行流程，导致用户阅读成本较高且知情效率低下[32]；另一方面，隐私设置对用户的隐私素养提出了要求，隐私保护功能涉及地理位置信息获取、通讯录调用、好友添加方式、访问权限等复杂的流程设置，引发了用户倦怠。而拒绝披露个人隐私则制约了平台定制化服务和深度的人际互动[33]。因此，隐私政策知情困境和隐私设置难题大大增加了用户在隐私保护方面的时间投入，加剧了隐私倦怠的形成。本研究假设：

H3：社交媒体用户的隐私保护成本会正向影响其隐私倦怠。

1.5 隐私设置可供性对隐私倦怠的影响

“可供性”被视为平台系统为用户提供了产品和服务保障，且用户能够清晰地了解并掌握相关功能，最终完成交互行为的过程[21]。在社交媒体隐私管理中，隐私设置可供性是指社交媒体为用户提供的，且能切实保护用户隐私的功能属性，具体来说，隐私设置可供性包括硬性的知情同意和隐私设置等功能和灵活的社交媒体信息披露控制[34]。隐私设置可供性为用户处理复杂的隐私风险问题提供了条件保障，其对于用户隐私倦怠的缓解作用在线上健康平台得到了证实[34]。伴随隐私保护技术快速更新，社交媒体为用户提供的隐私设置功能更加先进，用户隐私保护更为便捷。据此，本研究假设：

H4：社交媒体用户所感知的隐私设置可供性会负向影响其隐私倦怠。

1.6 隐私政策有效性对隐私倦怠的影响

隐私政策有效性是指“用户认为社交媒体平台的隐私保护政策条款能够对自身数据保护产生实际效用的感知程度”[35]。隐私政策有效性不仅包含个人对隐私保护条例合规性的判断，也包含其对隐私信息处理程序公平性和政策可行性的评估。以知情同意为代表的隐私保护政策是社交媒体平台常用手段，以达到合法收集用户信息和获取用户信任的目的[36]，因此合理的隐私保护政策有助于缓解隐私焦虑并建立信任[37]。伴随我国《数据安全法》和《个人信息保护法》的颁布和实施，互联网平台隐私保护政策日臻完善，但在落实中仍存在细节缺失、可获得性不强、诱导性明显等问题[38]，进而造成用户对于隐私保护的倦怠情绪。因此，本研究假设：

H5：社交媒体用户所感知的隐私政策有效性会负向影响其隐私倦怠。

1.7 隐私让渡收益的调节作用

社交媒体平台通过调用地理定位、互联网搜索行为、关联好友等信息，为用户提供精准信息和定制化服务，最大程度地予以用户便利。对于大部分用户而言，即使他们对于隐私风险有所感知，但也可能为了获取潜在收益而放弃隐私保护[39]。在线情境中，隐私让渡收益包括信息质量的提升[40]和社交资本的获取[41]，也体现为经济收益的获得[42]。Youn研究发现，在面临巨大收益时，青少年会降低隐私关注程度[42]。由此可见，隐私让渡收益在一定程度上削弱了隐私保护强度[43]，当用户感知到的隐私让渡收益水平越高，隐私倦怠对于隐私保护脱离的影响力就越大。据此，本研究假设：

H6：社交媒体用户所感知的隐私让渡收益会正向调节隐私倦怠对隐私保护脱离的作用效果。

1.8 研究模型构建

基于上述讨论，本研究共提出6个研究假设，SEM研究模型如图1左半部分所示。鉴于隐私保护脱离会受到多重要素的共同作用，本研究从复杂性理论出发[44]，fsQCA研究模型如图1右半部分所示。

图1 研究模型图

2 研究设计与样本结构

本研究通过调查问卷法收集数据，并采用结构方程模型和模糊集定性比较分析相结合的方法进行分析。在结构方程模型部分，本文运用Smart PLS 3.0进行路径分析和假设检验；模糊集定性比较分析则通过fsQCA软件实现，以探究隐私保护脱离的前因构型。

2.1 变量测量

为确保问卷题项信效度良好，本研究测量量表均来自国内外研究的成熟量表，并依据研究情境进行修订。本研究共包含7个变量，其中，隐私侵犯经历量表来源于朱侯和张明鑫的研究[45]，共包含4个条目；隐私保护成本的4个题项借鉴了Zhang Y等[46]的相关测量；隐私设置可供性的4个题项参考了Zhu等[34]的研究；隐私政策有效性在整合Li H等[47]和朱侯和张明鑫[48]研究后发展出6个条目；隐私倦怠、隐私让渡收益和隐私保护脱离分别包含4个、4个和3个题项，分别援引自Choi H等[9]、Chakraborty D等[48]和许一明等[17]的研究。所有变量均采用李克特7点量表测量（1=非常不同意，7=非常同意）。

2.2 样本信息

本研究通过问卷星回收问卷，以便利式抽样法（微信群聊、抖音群聊及朋友圈转发）收集样本，共收集原始数据733份，以填答时长90秒以上和问卷答案非同一选项为筛选依据，获得有效样本579个，有效样本率为78.9%。如表1所示，男性和女性数量分别为280（48.4%）和299（51.6%）。样本年龄主要集中于18—25岁和26—35岁，占比分别为49.9%和33.9%。就教育背景而言，大专及本科、硕士及以上比例最高，分别占比71.7%和14.0%。样本的日均上网时长集中于3—6小时和6个小时以上，占比为46.1%和34.5%（见表1）。

表1 研究样本基本信息

3 研究结果

本研究采用Smart PLS 3.0软件进行结构方程模型验证和假设检验。

3.1 SEM模型评估

如表2所示，初始量表中隐私让渡收益RDSY4因子载荷低于标准值0.6予以删除，其他题项因子载荷均在0.738—0.971之间，所有变量Cronbach’s α值均大于标准值0.7[49]，内部一致性良好。变量CR值处于0.885—0.945之间，大于标准值0.7[50]，表明组合信度表现良好。变量AVE值均介于0.660—0.831之间，均大于标准值0.5[51]，收敛效度良好。

表2 变量信效度分析结果

本研究所包含的7个变量AVE开根号值均大于变量间的皮尔森相关系数，区别效度良好，详见表3。

表3 各变量区别效度分析结果

3.2 研究假设检验

本研究通过Smart PLS 3.0中的Bootstrapping抽样5000次对6个研究假设进行检验。根据图2可知，在社交媒体使用过程中，隐私侵犯经历（β = 0.288，p ＜ 0.001）、隐私保护成本（β = 0.487，p ＜0.001）、隐私设置可供性（β = -0.080，p ＜ 0.05）和隐私政策有效性（β =-0.294，p ＜0.001）均会对隐私倦怠产生显著影响。同时，隐私倦怠正向影响隐私保护脱离（β = 0.218，p ＜ 0.001）。隐私让渡收益正向调节了隐私倦怠对隐私保护脱离的正向影响（β = 0.093，p ＜ 0.05）。由此可见，本研究所有假设均得到验证。

图2 结构方程模型检验结果

3.3 fsQCA变量校准与必要性分析

为了提高结果的解释性，fsQCA要求将数据转换为0到1之间的标准化数值[52]。参考既往学者的相关研究[53]，笔者采用完全非隶属点（1）、交叉点（4）和完全隶属点（7）对变量进行校准。fsQCA软件生成的结果包含复杂解、中间解和简约解[54]，在实际应用中中间解优于复杂解和简约解[55]，因此本研究选取中间解分析。

本研究通过必要性分析以确保隐私保护脱离的前因条件充分非必要。由表4可见，单个前因条件一致性的范围处于0.508—0.805之间，均低于标准阈值0.9，表明这些前因条件均不是触发隐私保护脱离的必要条件。

表4 隐私保护脱离前因条件的必要性分析

3.4 fsQCA前因构型分析

依据前人的研究[56]，在fsQCA结果分析时，一致性和频率的阈值分别为0.8和3，可根据具体情境进行上调。由于本研究样本数量较大，故将频数设置为12，一致性设置为0.85。

由表5可知，引发社交媒体用户隐私保护脱离模型的总体一致性为0.799，各前因构型内部一致性均大于0.8，总体覆盖率为0.574，模型解释性良好。具体而言，共有5种前因构型会引发隐私保护脱离。

表5 隐私保护脱离前因变量的组态分析

（1）注重收益型（高隐私让渡收益·低隐私侵犯经历）：该模式包括L1、L2和L3 3个条件构型，均包含高隐私让渡收益和低隐私侵犯经历，高隐私让渡收益验证了SEM相关结论，低隐私侵犯经历则为理解隐私保护脱离提供了新的视角。相关研究对于隐私侵犯经历的作用效果尚有争议，部分研究表明长期经历隐私侵犯的用户更加注重隐私保护[57]，换言之，未曾经历过隐私侵犯的用户可能心存侥幸，放松警惕。与此同时，L1的辅助条件为低隐私设置可供性、高隐私政策有效性和低隐私倦怠；而L2的辅助条件为高隐私保护成本、高隐私设置可供性、低隐私政策有效性和低隐私倦怠；L3的辅助条件为高隐私保护成本、低隐私设置可供性、低隐私政策有效性和高隐私倦怠。该模式证实了当隐私让渡收益足够诱人，且用户未遭遇过隐私侵犯时，隐私交互管理维度的设置可供性（L1）和政策有效性（L2）中只要包含一个负向要素时，就有可能引发用户主动脱离隐私保护。

（2）成本规避型（低隐私让渡收益·高隐私保护成本）：该构型由L4和L5两个子模式组成，包含低隐私让渡收益和高隐私保护成本两个共同前因，L4的辅助条件为高隐私侵犯经历、高隐私设置可供性、高隐私政策有效性；而L5的辅助条件为低隐私侵犯经历、低隐私设置可供性、低隐私政策有效性和低隐私倦怠。本构型部分证实了结构方程模型结论，进一步还原了社交媒体用户在隐私交互过程中的“计算过程”。尽管两个构型中用户感知收益较低，但面对高昂的隐私保护成本时，用户在权衡利弊之后仍会进行隐私保护脱离。由此可见，隐私决策是一个较为理性的过程，用户会通过成本和收益的评估而作出行为决策。

3.5 fsQCA预测有效性分析

根据Wu的建议[58]，本研究将原始样本随机划分为2个子样本集以进行预测有效性分析。经条件变量充分性分析后得到5个前因构型，总体一致性和各构型一致性介于0.793—0.966之间，均高于标准值0.75；总体覆盖率为0.562。将子样本集1分析所得的构型SL2使用子样本集2的数据进行检验，结果如表6下半部分的XY图所示，覆盖率（0.349）和一致性（0.848）均达标，证实了构型在独立样本的情况下预测能力达标[59]。

表6 预测有效性分析

4 结论与讨论

4.1 研究结论

在隐私保护困境持续加深的当下，隐私保护脱离作为信息管理领域的新现象逐渐显现，理解并引导用户积极合理地保护个人隐私，是数字社会治理的重要议题。本研究以社交媒体用户为研究对象，基于多维发展理论，构建了隐私保护脱离形成机制研究模型，采用SEM和fsQCA方法对579个有效数据进行分析。SEM结果显示，隐私倦怠与隐私保护脱离呈正相关关系，在隐私保护脱离形成机制中承担中介作用。而信息管理维度的隐私侵犯经历和隐私保护成本对隐私倦怠有正向影响，交互管理维度的隐私设置可供性、隐私政策有效性均与隐私倦怠呈负相关。与此同时，隐私让渡收益正向调节了隐私倦怠对隐私保护脱离的作用。fsQCA方法则呈现了2大类型共计5种引发高强度隐私保护脱离的前因构型，与结构方程模型的分析结果互为补充。

（1）通过SEM检验可知，隐私倦怠与隐私保护脱离呈正相关，在隐私保护脱离形成机制中承担着重要的中介功能。隐私倦怠是一种消极的隐私态度，集中体现为个人减少其在隐私保护方面的努力。在疲劳感的驱使之下，用户会不断简化隐私保护流程或接受默认设置，进而导致隐私保护脱离。本研究发现，隐私倦怠水平越高的用户，越倾向于脱离隐私保护，而隐私倦怠水平较低的用户，则会尽可能保护自身隐私信息不受侵犯。隐私保护困境是当前社交媒体用户面临的普遍问题，结合认知一致性理论，为了实现认知和行为的统一，高隐私倦怠的用户更倾向于忽视或放弃隐私保护，甚至高频开放地披露个人信息，以达到持续使用社交媒体的目的。

（2） SEM结果证实，信息管理维度和交互管理维度的相关变量通过影响隐私倦怠，进而引发隐私保护脱离。具体而言，信息管理维度的隐私侵犯经历和隐私保护成本与隐私倦怠呈正相关。既往研究中，隐私侵犯经历的作用效价存在争议。一些学者认为，经历过隐私泄露的用户更加重视隐私，能够抑制隐私倦怠的产生[57]；部分学者则指出，隐私泄露经历会唤起悲观态度，加剧隐私倦怠[60]。本研究证实，当用户遭遇的隐私信息泄露、违规调用、个人信息不当使用等负面经历越多，其隐私倦怠水平则越高，而隐私侵犯经历不仅来源于个人亲身经验，亦会源自于亲友或媒介报道[61]。隐私保护成本则涉及用户在隐私保护中投入的时间和精力多寡，过高的隐私保护成本更易引发隐私倦怠。既往研究证实了反应成本[62]、响应效能[63]等成本对于倦怠情绪具有潜在影响。可见，用户的隐私决策过程可以被视为利弊权衡的理性评估，为了实现社会资本积累和定制化服务的需求，用户会放弃隐私保护[64]。尤其当隐私保护需要投入大量时间精力且回报不明朗时，倦怠感和无助感由此产生[65]。

交互管理维度的隐私设置可供性和隐私政策有效性与用户隐私倦怠均呈负相关。本研究证实，隐私设置可供性赋予了用户控制感，能够有效抑制隐私倦怠，与前人的研究结论相一致[66]。隐私政策的制定和执行均由行政管理部门完成，为用户提供了可靠的“保证线索”，有效缓解了用户因不确定性和控制感缺失而产生的悲观情绪[67]。因此，当用户认为隐私政策能够有效保护个人隐私时，愿意为之投入的时间精力也会由此增加。

（3） fsQCA分析结果显示，引发隐私保护脱离的前因构型共有5种，可划分为注重收益型脱离和成本规避型脱离两大模式。该结果反映了隐私保护脱离产生的复杂过程，在注重收益型脱离中，用户均呈现出高强度隐私让渡收益，结合低强度隐私侵犯经历可能引发的低风险估计，与其他要素的协同作用加剧了隐私保护脱离。SEM中的调节效应检验也对这一结论形成了补充，隐私让渡收益正向调节隐私倦怠对隐私保护脱离的影响。保护动机理论为此提供了可能的解释，该理论认为，感知收益在一定程度上削弱个体保护自身免受威胁的意愿[68]。因此，有理由相信该类模式的用户是出于换取收益的目的而主动放弃隐私保护。而在成本规避型脱离中，感知隐私让渡收益相对较低，但高昂的隐私保护成本使用户望而生畏。以上结论集中体现了用户隐私保护“精于算计”的特点，拓展了隐私计算理论的解释范围。因此，在个人与技术的博弈中，隐私保护脱离的产生既源自于对利益最大化的追求，也可能出自对高昂成本的抗拒与规避。

4.2 研究启示

本研究的理论意义主要体现为两个方面：第一，本研究从隐私保护脱离这一行为切入，以多维发展理论为框架，从信息管理维度和交互管理维度两个层面出发，探讨了社交媒体用户隐私保护脱离的形成机制。研究证实了隐私倦怠是隐私保护脱离形成的重要中介，而隐私侵犯经历、隐私保护成本、隐私设置可供性和隐私政策有效性是引发隐私保护脱离的重要前因。第二，本研究通过SEM和fsQCA相结合的方法分析数据，在检验6个研究假设的同时，发现5种触发隐私保护脱离的前因构型，将其归纳为注重收益型脱离和成本规避型脱离两大模式。两种分析方法既相互印证，又互为补充，如SEM结果显示高强度隐私侵犯经历会加剧隐私倦怠，进而引发高隐私保护脱离，而在fsQCA的构型中亦存在低隐私侵犯经历所引起的高水平隐私保护脱离，真实地还原了隐私保护脱离形成的复杂性。

以上研究结论证实，激发用户隐私保护积极性，不仅需要依托个人的努力，需要在满足用户需求的同时，为其提供切实可行的隐私保护手段。对于用户而言，提升个人隐私素养势在必行，通过提高隐私保护认知能力和行为能力，尽可能规避隐私侵犯事件，降低隐私保护成本，更应警惕因蝇头小利而放弃保护个人隐私的不明智之举。社交媒体平台则应重点落实国家相关政策法规，不断提升平台在隐私保护方面的可得性和可见性，在合理使用用户信息的同时尽可能为其提供优质服务，实现共赢。