李迎迎 陈婷婷 孙玉琦

(1.淮阴师范学院经济与管理学院 淮安 223001； 2.中国科学院武汉文献情报中心 武汉 430071；3.中国科学院大学经济与管理学院 北京 100190)

数智时代的迅猛发展使社交媒体产生了质的飞跃，为满足用户智慧化智能化生活需求，社交媒体不断挖掘用户隐私信息，通过各种方式给用户提供智能推荐服务。但智能科技的高速发展，导致用户个人信息安全泄露问题频发，因此用户在使用社交媒体智能推荐时会存在隐私担忧。对社交媒体平台来说，用户过度关注社交媒体智能推荐，会存在适得其反的效果，而对用户而言，个人隐私数据泄露也会危及日常生活甚至带来损失。因此在社交媒体智能推荐过程中，如何保障用户隐私安全，是政府和用户都普遍关注的社会问题。

针对社交媒体智能推荐用户隐私学理研究，王雪芬等研究了社交媒体环境下用户隐私关注的现状，包括隐私设置、隐私关注及隐私披露等[1]；李维嘉等在研究隐私边界时发现，社交媒体中的隐私问题主要分为社交媒体用户之间的隐私游戏和用户与技术之间的对抗[2]。针对社交媒体智能推荐用户隐私影响因素的研究，贾若男等基于保护动机理论，提出了社交网络用户信息安全隐私保护行为的影响因素包括反应效能、自我效能、反应成本、感知威胁和隐私关注等[3]。针对社交媒体用户隐私问题的研究，华劼等在研究社交媒体网络直播隐私侵权问题时，发现社交媒体主播存在未经他人同意擅自将他人形象进行直播的行为侵犯其隐私权[4]；牛静等在分析社交媒体人际交往特点的前提下，分析了社交媒体用户自愿披露隐私可能造成的问题并提出了社交媒体用户应该遵守的道德原则[5]。针对隐私保护技术问题，刘向宇等以文献调研的形式梳理了社交媒体发布的隐私技术[6]。朱光等在探讨影响社交媒体个人隐私政策的阅读意愿隐私时，以技术接受模型和自我效能理论为基础，为用户隐私信息的使用意愿和管理提出了建议[7]；Thatsanee Ngoensuk等在研究使用社交媒体时以保护个人隐私权利为目的创建、测试和开发隐私保护系统[8]；Chen T等以社交媒体用户的隐私感知和网络营销的影响为实证探讨了社交网络媒体的网络隐私和访问技术的先驱[9]。

综观已有研究，我国社交媒体发展迅猛，而且用户量巨大，因此存在的隐私安全问题也较明显，而隐私风险感知作为用户隐私安全意识提升的重要一环，在社交媒体背景下的研究相对较少。目前研究呈现两个鲜明特点：一是与社交媒体相关的研究大多集中于隐私政策研究，过于泛在化，从智能推荐维度进行用户隐私的研究较为薄弱；二是对策研究较为宏观，对社交媒体高质量发展中的隐私风险问题指导性相对缺乏。鉴于此，本文从用户视角对影响用户隐私风险感知因素进行深入探讨，旨在丰富社交媒体智能推荐及用户隐私风险感知的理论体系，并为社交媒体平台精准掌握用户隐私心理提供新思路，从而更好满足用户智能化需求，以促进社交媒体平台的高质量发展。

1 理论回顾与研究假设

1.1 智能推荐与风险感知过程论

智能推荐服务在一定程度上类比于精准服务，在文献调研时发现，已有研究集中在智能推荐系统方面，智能推荐系统的关键在于智能推荐技术的运用。智能推荐通过对大量的信息进行选择，展示给用户感兴趣的，从而提升用户检索体验[10]。本研究集中探讨在社交媒体背景下智能推荐过程中，影响用户隐私风险感知的主要因素。

“感知”一词最初是属于心理学范畴，后来Bauer将感知风险运用到消费者行为学中，他提出网络用户的所有消费行为或多或少都会承担着一定的风险，而且是用户能感知到的风险[11]；Dowling认为，感知风险是用户享受产品或服务时主观知觉的不利影响的可能[12]；而“隐私风险感知”是主观考量风险的尺度，不同环境中的用户对风险感知程度是不同的[13]。本文以感知过程论作为重要前提，提出社交媒体智能推荐中用户隐私风险感知的影响因素。感知过程，生物学领域认为是在一定环境刺激下，人感知通道对信号的加工[14]。本文隐私风险感知是在面对社交媒体平台提供的智能推荐服务时，用户对隐私信息存在泄露或安全风险的主观认知，隐私风险感知过程分为隐私风险感知前、隐私风险感知中及隐私风险感知后等全过程中的影响因素。

1.2 技术威胁规避理论

技术威胁规避理论是由美国东卡罗莱纳大学终身教授Liang Huigang和助理教授Xue Yajiong提出，该理论论述了网络使用者感受到网络风险时，能对所感受到的威胁进行防范，是以主动回避为目的[15]。在隐私风险感知过程前提下，基于技术威胁规避理论提出了感知意识(感知前)、感知威胁(感知中)、感知评价(感知后)等变量。

感知意识是用户知觉个人信息隐私受到恶意软件威胁的主观概率[16]。不同用户感觉存在差异，因此在享受社交媒体智能推荐服务时，个体隐私风险感知意识也会存在差异。本研究中感知意识是用户对社交媒体智能推荐隐私敏感的知觉评价。感知威胁是用户遭受网络恶意威胁风险过程中的知觉反应。社交媒体用户在享受智能推荐服务知觉到个人信息安全问题会对其隐私感知产生影响，当用户感受到智能推荐服务存在潜在风险时，就会加剧隐私风险感知。感知评价是用户知觉来自网络恶意危险造成严重后果的反应，本文中是用户对社交媒体智能推荐服务侵犯其个人信息安全风险的反应程度。

1.3 社会交换理论

社会交换理论认为人类的交换行为都会受到带有利益活动的影响。社会交往行为依赖于感知收益与感知风险的权衡[17]。Wang Zhiwei等基于社会交换理论研究企业社交媒体对员工的创造力时发现，企业社交媒体使用中介机制与创新支持会正向影响员工的创造力[18]。本研究以社会交换理论为基础引入“感知收益”这一变量。感知收益注重主观感觉，能对所从事的活动做出主观判断，具有持续效果。朱鹏等以社会交换理论为基础验证感知收益对社交媒体用户分享行为的影响[19]。本文中感知收益是用户使用社交媒体智能推荐过程中，对其便利性、快捷性、受益性等的主观感受。

2 研究设计

2.1 研究假设

本研究基于感知过程论和两大理论尝试提出感知意识、感知威胁、感知评价和感知收益四个变量，在已有相关实证研究中，感知意识与感知评价会对感知威胁产生正向影响，因此提出以下假设：

H1：感知意识与感知威胁之间是正相关；

H2：感知评价与感知威胁之间是正相关。

用户对社交媒体智能推荐的便利性知觉越高，对隐私威胁的反应越大，即社交媒体用户感知收益越大，对隐私威胁的知觉越高，因此提出以下假设：

H3：感知收益与感知威胁之间是正相关。

只有先感知威胁才可规避隐私风险，感知威胁是用户对智能推荐暴露个人信息危险的主观感受。在社交媒体智能推荐过程中，智能推荐模式会影响用户对其个人隐私信息的感知。如果用户认为社交媒体智能推荐模式对个人隐私构成威胁，那么他们对隐私风险的感知就会增加。因此本文以感知威胁即以用户感知过程中的感受作为中介变量，感知意识、感知评价和感知收益作为潜变量，隐私风险感知作为显变量，以社交媒体智能推荐为主题进行探讨，从而确立以下研究假设：

H4：感知威胁与隐私风险感知之间是正相关；

H5：感知意识与隐私风险感知之间是正相关；

H6：感知评价与隐私风险感知之间是正相关；

H7：感知收益与隐私风险感知之间是正相关。

2.2 问卷设计

问卷包括三大模块：第一模块是用户基本状况调查，主要有性别、年龄和受教育程度等；第二模块是用户社交媒体使用情况调查，主要有用户使用社交媒体时长、常用社交媒体平台、对社交媒体智能推荐的态度；第三模块包括3个潜变量、1个中介变量和1个显变量的因素调查。本问卷以李克特5点量表进行设计，量表中的1表示非常不同意，2表示比较不同意，3表示不能确定，4表示比较同意，5表示非常同意。本研究在考虑目标群体时，年龄主要集中在20～30岁的用户，因为这部分用户群是社交媒体平台的主要使用者。

2.3 量表设计

量表设计具体如表1所示。

表1 测量量表

3 数据收集与统计分析

调查问卷于2022年4月前完成，样本问卷依靠PC端和移动端同时发放，主要集中于大学生群体。本次调查问卷共回收217份，去掉无效问卷23份，保留有效问卷194份，有效样本达89.4%。

3.1 用户基本状况分析

用户描述性统计主要有性别、年龄和受教育程度这三个方面。调查对象中男性占总样本的39.63%，女性占60.37%；年龄主要集中于21～25岁，占比达78.8%；从受教育程度上，样本主要集中在大专或本科，占比达82.49%。

3.2 用户使用社交媒体平台情况分析

用户使用社交媒体包括用户使用社交媒体的时长、主要使用的社交媒体平台、用户对社交媒体智能推荐的态度、用户能接受的智能推荐平台等4个方面。

a.社交媒体使用时长。数据显示，使用社交媒体在1～3年的占23.96%，在4～6年的占47%，在6年以上的占29.03%。社交媒体使用时长是后续研究的基础，绝大多数用户使用社交媒体时长较长，因此本次调查对象符合研究需要。

b.社交媒体平台。样本数据中用户主要使用的社交媒体平台集中在微信、抖音和小红书，分别占比81.11%、63.59%和70.05%。问卷中针对用户主要使用的社交媒体平台设计的是多选题，调查发现，绝大多数用户对主要的社交媒体平台都有涉及。

c.用户对社交媒体智能推荐的态度。样本数据中，64.06%用户持接受态度，29.95%用户是置之不理的态度，不接受社交媒体智能推荐的用户占5.9%。根据结果可以看出，用户对社交媒体智能服务持接受态度的占比较多。

d.用户能接受的智能推荐平台。在愿意接受智能推荐服务的平台中，调查对象最愿意接受的是微信，达到总样本的75%；占比第二的是微博，占总数的59.8%。由于微信、微博是主要社交媒体工具，所以更容易被大多数用户所接受。

综上所述，本次样本有四个主要特征：受教育程度为大专或本科的年轻群体；使用社交媒体时间较长；是目前市场上主流社交媒体平台的常用客户；对社交媒体智能推荐方式有了解并倾向使用的平台。因此，样本符合本研究需要。

3.3 信度与效度分析

本文将样本数据输入SPSS软件中，并分析调研数据的信度和效度，以保证研究的可靠性，本研究采用Conbach's alpha系数对测量量表进行具体分析，结果如表2所示。

表2 测量变量信息分析结果汇总

由表2可知，调查问卷总体信度和个别测度项的可信度Conbach's alpha因子均超过0.9，因此问卷信度非常高。

本文采用KMO和Bartlett这两个指标的取值来验证调查问卷的适用性。KMO指标的检测目的在于检验调查问卷的容量是否符合本研究的要求。KMO指标在 [0,1]的数值范围内，如果KMO指数的数值较大，则说明该调查样本适宜进行因子分析。

由表3可知，问卷整体效度非常高，KMO指标值是0.949，在0～1之间，因此调研数据适宜进行因子分析。Bartlett球形数值具有显著的水平，由此表明，调查测度量之间是独立的。

表3 调查问卷整体效度分析结果

4 结构方程模型实证研究

4.1 初始结构方程模型检验

本研究使用结构方程模型探讨感知意识、感知评价、感知收益、感知威胁各变量对隐私风险感知的影响。首先检验初始模型的拟合性，把调查数据输入Amos22.0中，使用结构方程进行实证检验。一般认为，评估结构方程的适配性指标主要有三个方面：绝对适配度指数RMSEA、增值适配度指数CFI、规范拟合指数NFI，结果如表4所示。

表4 初始模型的拟合优度统计值

初始模型适配度指标中，卡方自由度比χ2/df、RMSEA已达到标准，而GFI值为0.802，CFI值为0.802，没有达到要求，因此该模型的拟合性还有待进一步改进。

4.2 结构方程模型修正

为改善模型适配度，在Amos22.0中进一步优化模型，修正模型如图1所示。选择χ2/df、GFI、AGFI、RMSEA、CFI、NFI、IFI、TLI作为模型的拟合指标。将调查数据输入SPSS软件中，结果如表5所示。

图1 结构方程修正模型图

表5 模型估计参数对比

输出结果：卡方自由度比(χ2/df)：通常，在2～3之间的情况下，样本数据和模型的拟合性较好，χ2/df<5时，说明样本数据与模型基本拟合。本研究的结果显示，χ2/df为2.706<3,说明收集的样本数据与模型的一致性良好，且概念模型可以被采纳。其他拟合指标如GFI、RMSEA、RMR、CFI、NFI和NNFI等都超过0.90标准值，这说明模型具有很好的拟合能力。

由表5可知，从总体模型的多项拟合指数来看，该调查样本的数据与模型的拟合程度较好，说明本文所提出的研究假设得到了很好的检验。

4.3 研究假设检验分析

本文采用Amos22.0对数据计算，P为显著水平，P<0.05则代表达到了显著水平，若P<0.01，为“***”，若P>0.01时，则直接为P值。研究假设和结构模型路径显著性P<0.05，水平上均呈现显著性，则支持原假设，因此7条路径均有效。

4.4 结果阐释说明

a.感知意识与感知威胁之间是正相关。感知意识作为感知前影响要素，事件刺激容易导致感知意识觉醒[20]，而感知意识越强烈，使得用户行为认知越强烈[21]，因此感知意识成为用户感知威胁行为认知的重要参考因素。在社交媒体智能推荐中，用户感知意识对感知威胁产生较大影响。感知意识与感知威胁之间的相关系数均有显著性(C.R=3.127>1.96，P=0.002)，表明出感知意识与感知威胁之间是正相关，即社交媒体用户的感知意识越强，用户对威胁知觉越高，感知意识使用户对个人信息泄露风险的评估更高，从而使用户更容易感受到智能推荐的威胁。

b.感知评价与感知威胁之间是正相关。感知评价作为感知后影响要素，具有较强的主观性和模糊性[22]，感知评价对社交媒体用户而言，主观性也非常强，感知评价会使社会媒体用户对所受的威胁进行评估分析。在结构方程模型路径节点的回归系数表中，感知评价与感知威胁之间的相关系数均有显著性(C.R=8.813>1.96，P=0)，表明感知评价对感知威胁产生正向影响，风险感知后的评价直接决定感知威胁的严重程度，社交媒体用户感知评价越强，用户的感知威胁程度越高。

c.感知收益与感知威胁之间是正相关。感知收益作为感知过程中便利性的有效因素，当社交媒体用户拥有越高的感知收益经验时，其对感知威胁行为的判断力也会随之增强[23]。由表6可知，感知收益与感知威胁之间的路径系数β=0.182，且相关系数具有显著性(C.R=11.766>1.96，P=0)，因此感知收益与感知威胁之间是正相关，即感知收益越强，社交媒体用户的感知威胁越强。

d.感知威胁与隐私风险感知之间是正相关。在社交媒体智能推荐中，用户对智能推荐的感知威胁包括感知威胁严重性、感知威胁易感性、感知威胁敏感性等都对隐私风险感知产生较大作用[24]。由表6中可知，感知威胁与隐私风险感知之间的相关系数具有显著性，即(C.R=10.490>1.96，P=0)，表明感知威胁与隐私风险感知之间是正相关，也就是说当用户感受到的威胁等级越高，则对个人隐私信息的威胁越高。因此用户在感受到隐私威胁时，会提高他们对个人隐私风险的感知，从而对其隐私风险感知有正面影响，当用户感受到的威胁程度愈高时，对个人隐私风险也会有较高的感知。

表6 结构方程模型假设验证结果

e.感知意识与隐私风险感知之间是正相关。隐私风险感知受到隐私意识的影响,而隐私意识表现为用户对个人信息的保护意识[25]，隐私意识的前提受感知意识的影响，首先要有明确的感知意识，才有隐私意识的产生。在社交媒体智能推荐中，用户对智能推荐的感知意识会对隐私风险感知产生较大作用。感知意识与隐私风险感知之间的路径系数β=0.274，相关系数具有显著性(C.R=2.271>1.96，P=0.006)。研究结果表明，感知意识与隐私风险感知之间是正相关，当使用者感受到的风险意识程度愈高时，对个人的隐私风险也会有较高的感知。

f.感知评价与隐私风险感知之间是正相关。感知评价是社交媒体用户对智能推荐后经过概念化所形成的主观感受，用户的主观感受会影响其对隐私风险的感知状况[26]，因此在社交媒体智能推荐中，用户对智能推荐的感知评价与隐私风险感知之间有较大关联。感知评价与隐私风险感知的路径系数β=0.387，它们之间的相关系数具有显著性(C.R=3.009>1.96，P=0.003)，表明对个人信息感知后果的评价与隐私风险感知之间是正相关，即感知评价越强，社交媒体用户对隐私风险感知越强。

g.感知收益与隐私风险感知之间是正相关。感知收益-感知风险框架是用户行为研究的一个主流框架，因此针对用户隐私风险研究必然涉及感知收益-感知风险问题[27]。在社交媒体智能推荐中，用户对智能推荐带来的便利性会对隐私风险感知产生较大作用。由表6可知，感知收益与隐私风险感知之间的相关系数具有显著性(C.R=3.202>1.96，P=0.001)，表明感知收益与隐私风险感知之间是正相关。其中原因是感知收益加强了对社交媒体智能推荐隐私泄露的担心，因此加剧了用户隐私风险感知，即社交媒体用户感知到的收益越大，隐私风险感知越强。

4.5 中介效应检验

隐私风险感知的核心变量为感知威胁，即用户个体在社交媒体智能推荐中所感知到的各种威胁所带来后果的严重性[28]。感知威胁能够通过对感知意识、感知评价及感知收益的影响，间接影响用户隐私风险感知。因此将感知威胁作为中介变量进行研究，基于中介效应，结构模型路径有三条：①感知意识→感知威胁→隐私风险感知；②感知评价→感知威胁→隐私风险感知；③感知收益→感知威胁→隐私风险感知。将数据输入AMOS22.0软件中，输出结果如表7所示。其中第一列为中介效应的路径，第二列为标准化的中介效应值，后两列为Bias-corrected方法和Percentile方法的置信区间以及显著性检验的P值。

表7 结构方程模型的中介效应系数

从中介效应系数来看：

a.感知意识以感知威胁为中介变量对隐私风险感知产生正向影响，其中介效应值为0.541，显著为正，即用户的感知意识越强，感知威胁越大，用户对个人隐私信息的风险感知的越强。因此需要合理引导用户形成良好的感知意识，避免感知威胁带来的偏差，发挥感知威胁在感知意识中对隐私风险感知的预期作用，进一步促进社交媒体智能推荐的发展[29]。

b.感知评价以感知威胁为中介变量对隐私风险感知产生正向作用，其中介效应值是0.353，显著为正，即社交媒体用户的感知评价越强，能够感知到的威胁越大，会导致用户感觉到个人信息安全风险越大。用户隐私风险感知的前提必然包括感知评价，而其中必然包含对威胁感知的程度评估，因此需要用户精准进行感知评价，以有效识别感知威胁，从而正确对待隐私风险[30]。

c.感知收益以感知威胁为中介变量对隐私风险感知产生正向作用，其中介效应值为0.569，显著为正，即用户感知收益越强，感知威胁越大，则用户隐私风险感知程度越高。感知收益对用户使用社交媒体智能推荐运行效果的好坏有直接影响[31]，使用智能推荐必然会给用户带来一定收益，其中必然涉及用户隐私信息，但社交媒体难以平衡智能推荐与隐私风险之间的关系[32]，因此这个过程以感知威胁作为中介变量，感知收益通过感知威胁反应用户隐私风险感知的程度。

5 研究启示

第一，有效选择感知前推荐方式，加强隐私风险感知。在社交媒体平台中，用户担心智能推荐服务会对个人信息隐私带来各种严重后果，因此用户对社交媒体智能推荐方式比较关注。如果社交媒体智能推荐过于暴露用户个人信息，则会加强用户对隐私风险的感知，进而不接受社交媒体提供的智能推荐服务。根据调查问结果可以看出，社交媒体用户对电话、短信等的服务接受度较低，使用者更愿意接受的智能推荐方式如微信、微博等，还有社交媒体页面显示的“发现”、“更多推荐”等智能推荐方式。因此，社交媒体平台应该加强页面的个性推荐，同时结合社交媒体平台的特点，减少电话或短信等推荐方式。

第二，不断加强感知中意识程度，提升社交媒体信誉。社交媒体平台在给用户提供智能推荐服务时，提供的服务内容是否能避免隐私敏感，智能推荐能否保障用户个人信息安全是非常重要的，用户所重视的不仅是平台服务，更注重自身体验。研究发现，用户自身的感知意识不仅会加重感知威胁，也会对用户的隐私风险感知产生正向的影响。因此社交媒体应该注重平台可信性水平的加强，提高社交媒体的信誉。

第三，逐级提升感知后评价水准，避免智能推荐威胁。社交媒体用户感知评价会提升用户对感知威胁的评估，并与隐私风险感知之间是正相关的，因此社交媒体平台应该积极寻求相关措施降低社交媒体智能推荐方式带来的威胁。比如，社交媒体给用户提供智能推荐服务时，提供用户隐私安全保护政策，从而减少用户对社交媒体智能推荐的威胁评估，保障用户隐私不受侵犯。