基于元分析的網(wǎng)絡(luò)用戶個人信息披露意愿影響因素研究

彭國超 程 曉 劉彩華

(1.中山大學(xué)信息管理學(xué)院，廣東 廣州 510006；2.桂林電子科技大學(xué)人工智能學(xué)院，廣西 桂林 541004)

無線互聯(lián)網(wǎng)技術(shù)的發(fā)展和移動設(shè)備的不斷升級為人們提供了信息傳播和交互式溝通的線上平臺，社交媒體、虛擬社區(qū)、電子商務(wù)、在線醫(yī)療等各種互聯(lián)網(wǎng)平臺得到了廣泛的應(yīng)用，已逐漸融入人們的生活。據(jù)2021年《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》第48次調(diào)查顯示，我國網(wǎng)民規(guī)模已達(dá)10.11億[1]。但隨著網(wǎng)絡(luò)用戶數(shù)量的激增，用戶在享受這些網(wǎng)絡(luò)平臺所提供的便利服務(wù)的同時，服務(wù)提供商為了更好地提供個性化精準(zhǔn)服務(wù)，也利用各種技術(shù)手段來收集、分析和共享用戶個人信息[2]。然而，個性化精準(zhǔn)服務(wù)導(dǎo)致的用戶隱私頻繁泄露引起了用戶高度的隱私關(guān)注，個人隱私披露問題逐漸成為大數(shù)據(jù)時代的一大挑戰(zhàn)，成為社會關(guān)注和討論的熱門話題。

1 文獻(xiàn)回顧

目前，國內(nèi)外關(guān)于用戶個人信息披露意愿的相關(guān)研究多以隱私計算理論、計劃行為理論、效用理論、溝通隱私管理等為理論基礎(chǔ)，通過構(gòu)建理論模型研究各影響因素與信息披露意愿間的作用關(guān)系。如孫霄凌等將隱私計算理論與計劃行為理論相結(jié)合，通過結(jié)構(gòu)方程建模方法對社會化搜索平臺上各影響因素與用戶隱私披露意愿間的關(guān)系進(jìn)行了研究[3]；程慧平等以隱私計算理論和溝通隱私管理理論為基礎(chǔ)，研究了微信用戶的隱私披露意愿[4]；張星等基于計劃行為理論和隱私計算理論對健康信息服務(wù)平臺用戶的健康信息披露意愿進(jìn)行了探討[5]。雖然目前關(guān)于個人信息披露意愿影響因素的實證研究成果較為豐富，但涵蓋的因素眾多且存在相同影響因素與披露意愿間的相關(guān)關(guān)系出現(xiàn)相反研究結(jié)論的現(xiàn)象。如巫月娥認(rèn)為，感知風(fēng)險與披露意愿間為負(fù)相關(guān)關(guān)系[6]，但Zhang X等卻認(rèn)為，感知風(fēng)險與披露意愿間呈正相關(guān)關(guān)系[7]。各影響因素與披露意愿間究竟存在怎樣的作用關(guān)系已成為目前亟待解決的問題。

因此，本研究擬采用元分析的研究方法，結(jié)合已有網(wǎng)絡(luò)用戶個人信息披露意愿的實證研究，對網(wǎng)絡(luò)用戶個人信息披露意愿的影響因素進(jìn)行定量驗證分析，通過探討各影響因素與披露意愿的總體相關(guān)性和可能的調(diào)節(jié)效應(yīng)，形成具有普適性的網(wǎng)絡(luò)用戶個人信息披露意愿影響因素模型，為網(wǎng)絡(luò)用戶個人信息披露的深入研究提供思路，為網(wǎng)絡(luò)平臺的運營提供理論指導(dǎo)。

2 研究設(shè)計

1976年，Glass G V在一次會議上首次提出了元分析的概念[8]，起初其被應(yīng)用于醫(yī)學(xué)領(lǐng)域的相關(guān)研究，后被廣泛應(yīng)用于心理學(xué)、管理學(xué)等社會科學(xué)領(lǐng)域。元分析作為一種文獻(xiàn)綜合分析方法，其使用先進(jìn)的統(tǒng)計技術(shù)，整合從特定主題下的不同實證研究中獲得的效應(yīng)值，對不同研究子類進(jìn)行定量分析。它通過計算已有實證研究的平均效應(yīng)來挖掘相同自變量與因變量在不同研究中的共同效應(yīng)，已獲得廣泛的認(rèn)可[9-11]。與定性分析的傳統(tǒng)文獻(xiàn)綜述方法不同，元分析能夠通過對以往研究數(shù)據(jù)的統(tǒng)計分析，以解決不同研究間研究問題相似但結(jié)果矛盾的問題，并能發(fā)現(xiàn)不同研究間結(jié)果存在異質(zhì)性的原因，使得到的結(jié)論更具綜合性和普適性。元分析的過程大致可概括為4個步驟，包括確定研究主題、檢索并篩選文獻(xiàn)、文獻(xiàn)編碼、數(shù)據(jù)處理和統(tǒng)計分析。

2.1 文獻(xiàn)檢索與篩選

本研究的第一步是進(jìn)行文獻(xiàn)檢索。在2021年12月—2022年2月，筆者以“信息披露”“隱私披露”“自我表露”等關(guān)鍵詞，通過布爾邏輯運算“或”在CNKI中國知網(wǎng)、萬方、維普等數(shù)據(jù)庫檢索相關(guān)中文文獻(xiàn)，并利用與之對應(yīng)的英文檢索詞“Information Disclosure”“Privacy Disclosure”等對英文文獻(xiàn)進(jìn)行檢索。為了提高查全率，本研究以Web of Science、Wiley Online Library、Google Scholar等作為外文檢索途徑。共檢索到了中文文獻(xiàn)4 977篇，英文文獻(xiàn)3 000篇，為保證研究質(zhì)量，本研究中文文獻(xiàn)僅選取在CSSCI期刊上發(fā)表的論文以及未發(fā)表的學(xué)術(shù)論文，共2 361篇中文文獻(xiàn)。在檢索完成之后，由兩位研究人員通過瀏覽文章的標(biāo)題和摘要，排除了與信息披露意愿不相關(guān)以及重復(fù)的文獻(xiàn)4 805篇，其中中文2 101篇，英文2704篇；然后，通過瀏覽全文剔除了純理論和綜述性的文獻(xiàn)442篇，獲得與個人信息披露相關(guān)的實證文獻(xiàn)共119篇，其中中文27篇，英文92篇；最后從定量研究文獻(xiàn)中選取在文中明確報告了信度、相關(guān)系數(shù)(或者能轉(zhuǎn)換成相關(guān)系數(shù)的統(tǒng)計量，如T值)和樣本量的文獻(xiàn)46篇。值得注意的是，有一篇文獻(xiàn)研究了用戶的信息披露意愿，但由于其通過不披露行為來對披露意愿進(jìn)行衡量，與本研究所需選取的測量結(jié)果相反，故本研究也將這一研究排除。另外，在文獻(xiàn)整理的過程中，研究者通過對文中參考文獻(xiàn)的閱讀收錄了一些相關(guān)文獻(xiàn)。最后，本研究共有46篇文章被納入元分析，共計57個獨立樣本對象。納入元分析的文獻(xiàn)中，中文文獻(xiàn)20篇，英文文獻(xiàn)26篇；期刊論文40篇，學(xué)位論文6篇。具體篩選流程如圖1所示。本文納入分析的文獻(xiàn)主要涵蓋社交媒體(19篇)、健康社區(qū)(9篇)、電商平臺(5篇)、移動商務(wù)(4篇)、基于位置的服務(wù)(4篇)、移動閱讀(1篇)、可穿戴設(shè)備(1篇)和社會化搜索平臺(1篇)等情境，無具體情境(2篇)。

2.2 文獻(xiàn)編碼與處理

本研究共納入46篇文獻(xiàn)，57個獨立樣本實證研究，共納入20 243個樣本。編碼過程中共識別了107個命名不同的影響因素作為自變量，但由于某些命名不同的影響因素具有相同的含義，故在對數(shù)據(jù)進(jìn)行分析之前，通過對各變量在不同研究中的具體內(nèi)涵以及數(shù)據(jù)收集量表中對應(yīng)的題項進(jìn)行比較分析，將具有相似含義的變量統(tǒng)一命名為出現(xiàn)頻次最多的變量(如個性化服務(wù)、個性化、定制化合并為出現(xiàn)頻次最高的個性化服務(wù))，本研究最終得到82個不同含義的自變量。由于篇幅限制，文中僅展示具有3個及以上效應(yīng)值的變量信息，編碼匯總信息如表1所示。

表1 個人信息披露意愿影響因素編碼信息匯總

盡管有學(xué)者提出，當(dāng)變量具有兩個或以上的效應(yīng)值時就能進(jìn)行元分析[14]，但由于部分變量研究未體現(xiàn)出平臺差異，為方便后續(xù)進(jìn)行調(diào)節(jié)效應(yīng)分析對效應(yīng)值數(shù)量的要求[15]，以及探究網(wǎng)絡(luò)用戶信息披露意愿的主要影響因素，本研究將出現(xiàn)頻次大于6次的自變量納入后續(xù)的元分析，具體因素及其含義解釋如下：

1)隱私關(guān)注，是指網(wǎng)絡(luò)用戶對在線信息披露可能導(dǎo)致的隱私安全問題的擔(dān)憂[16]，包括對平臺隱私數(shù)據(jù)的收集、未經(jīng)授權(quán)的二次使用、不恰當(dāng)?shù)脑L問等問題的關(guān)注度[17]。

2)感知控制，是指用戶所感知到的對在網(wǎng)絡(luò)上披露個人信息的控制能力[18]。

3)感知風(fēng)險，是指用戶對在網(wǎng)絡(luò)上披露個人信息可能帶來的風(fēng)險的感知[19]。

4)感知收益，是指個體對在網(wǎng)絡(luò)上披露個人信息可能獲得的收益的一種預(yù)期[19]。

5)信任。Rotter將信任定義為基于現(xiàn)有關(guān)系的相互期望，這種期望要求雙方遵守已經(jīng)達(dá)成的口頭或書面承諾[20]。在本研究中，信任是指用戶相信網(wǎng)絡(luò)平臺會采取措施保護(hù)自己的個人信息以確保這些信息不會被濫用。

6)主觀規(guī)范，是指個體的行為決策會受到來自周圍其他人的壓力以及他人對自身評價的影響[21]。

7)個性化服務(wù)，是指平臺根據(jù)用戶需求的不同而提供差異化服務(wù)的能力[22]。

2.3 模型選擇

元分析方法計算效應(yīng)大小的模型有兩種，分別為固定效應(yīng)模型和隨機效應(yīng)模型。固定效應(yīng)模型假設(shè)各研究間具有相同的數(shù)據(jù)收集條件和真實效應(yīng)的單一值，隨機誤差是導(dǎo)致不同研究結(jié)果存在差異的原因。但隨機效應(yīng)模型假設(shè)研究真實的效應(yīng)大小因各研究而異，導(dǎo)致差異的原因除受隨機誤差的影響外，還可能會受到不同樣本特征間差異的影響[23]?；谇捌诘奈墨I(xiàn)梳理，本研究認(rèn)為，網(wǎng)絡(luò)平臺類型等因素可能會影響各自變量與網(wǎng)絡(luò)用戶個人信息披露意愿間的關(guān)系，因此，本研究選取隨機效應(yīng)模型進(jìn)行分析。

同時，本研究還將通過異質(zhì)性檢驗對隨機效應(yīng)模型的適用性進(jìn)行檢驗，通過Q檢驗和I2的值進(jìn)行判斷。Q統(tǒng)計量反映了總離散度，I2解釋了效應(yīng)總方差中異質(zhì)性的比例[24]，當(dāng)Q顯著性檢驗通過或I2值大于75%時則認(rèn)為各效應(yīng)值間存在異質(zhì)性[25]，此時選取隨機效應(yīng)模型進(jìn)行分析更合適。

3 網(wǎng)絡(luò)用戶個人信息披露意愿影響因素的元分析

本研究使用元分析軟件CMA 3.3進(jìn)行異質(zhì)性分析、主效應(yīng)分析、調(diào)節(jié)效應(yīng)檢驗和發(fā)表偏倚檢驗。調(diào)節(jié)效應(yīng)檢驗根據(jù)數(shù)據(jù)類型分別采用亞組分析和元回歸分析與極大似然值相結(jié)合進(jìn)行顯著性檢驗。本研究擬對平臺類型和性別在各影響因素與披露意愿間的調(diào)節(jié)作用進(jìn)行檢驗，調(diào)節(jié)變量涉及兩種數(shù)據(jù)類型：網(wǎng)絡(luò)平臺類型為分類調(diào)節(jié)變量，通過亞組分析來檢驗其在各自變量與披露意愿間的調(diào)節(jié)作用；男性占總樣本數(shù)的比例為連續(xù)調(diào)節(jié)變量，通過元回歸分析與極大似然值相結(jié)合檢驗性別在各自變量與披露意愿間的調(diào)節(jié)作用。

3.1 信度分析

信度是用來反映測量結(jié)果一致性和穩(wěn)健性的指標(biāo)，通常通過克隆巴赫系數(shù)(即Cronbach’s α值)來進(jìn)行衡量，當(dāng)該值大于0.7時，則認(rèn)為對這一變量的測量具有良好的信度，研究具有較高的可靠性[26]。本研究在編碼過程中對各變量的Cronbach’s α值進(jìn)行編碼，對于文中未給出Cronbach’s α值的則利用組合信度(Composite Reliability，CR)值進(jìn)行代替，各變量的信度分析值如表2所示。從表中結(jié)果可以看出，平均信度最小值為0.86，表明各變量具有較高的一致性和穩(wěn)定性。

表2 信度分析

3.2 異質(zhì)性檢驗

本研究通過對納入的效應(yīng)量進(jìn)行異質(zhì)性檢驗，結(jié)果如表3所示。由表中結(jié)果可以看出，所有變量的異質(zhì)性檢驗均達(dá)到顯著性水平，且I2最小值為86.348%(表明模型中的差異有86.348%來自于研究結(jié)果，僅有13.652%來自隨機誤差)，遠(yuǎn)大于75%，表明各變量的研究結(jié)果間存在高度的異質(zhì)性。異質(zhì)性檢驗也再次驗證了本研究選取隨機效應(yīng)模型進(jìn)行分析的合理性，同時也證明后續(xù)進(jìn)行調(diào)節(jié)效應(yīng)分析找出導(dǎo)致研究結(jié)果間存在異質(zhì)性的調(diào)節(jié)變量是有必要的。

表3 網(wǎng)絡(luò)用戶個人信息披露意愿影響因素異質(zhì)性分析及主效應(yīng)分析統(tǒng)計結(jié)果

3.3 主效應(yīng)檢驗

本研究采用隨機效應(yīng)模型對各自變量進(jìn)行元分析以檢驗各變量平均效應(yīng)值的顯著性水平，結(jié)果如表3所示。由表中結(jié)果可以看出，所有變量的平均效應(yīng)值均達(dá)到顯著性水平。Gignac G E等提出的判斷標(biāo)準(zhǔn)認(rèn)為，當(dāng)平均效果量的絕對值小于0.3時為弱相關(guān)，0.3到0.5為中度相關(guān)，大于0.5時為強相關(guān)[27]。隱私關(guān)注和感知風(fēng)險作為風(fēng)險認(rèn)知層面的變量，隱私關(guān)注與披露意愿間的相關(guān)系數(shù)為-0.210，效應(yīng)值的95%置信區(qū)間為[-0.302,-0.115]，不包含0；感知風(fēng)險與披露意愿間的相關(guān)系數(shù)為-0.198，效應(yīng)值的95%置信區(qū)間為[-0.296,-0.095]，不包含0。隱私關(guān)注和感知風(fēng)險與披露意愿間均為弱相關(guān)關(guān)系，隱私關(guān)注與披露意愿間的相關(guān)強度大于感知風(fēng)險與披露意愿間的相關(guān)強度。感知收益與披露意愿間的相關(guān)系數(shù)為0.452，效應(yīng)值的95%置信區(qū)間為[0.343,0.550]，不包含0；個性化服務(wù)與披露意愿間的相關(guān)系數(shù)為0.401，效應(yīng)值的95%置信區(qū)間為[0.326,0.470]，不包含0；信任與披露意愿間的相關(guān)系數(shù)為0.368，效應(yīng)值的95%置信區(qū)間為[0.229,0.432]，不包含0；主觀規(guī)范與披露意愿間的相關(guān)系數(shù)為0.340，效應(yīng)值的95%置信區(qū)間為[0.164,0.496]，不包含0；感知控制與披露意愿間的相關(guān)系數(shù)為0.321，效應(yīng)值的95%置信區(qū)間為[0.229,0.407]，不包含0。感知收益、個性化服務(wù)、信任、主觀規(guī)范和感知控制與披露意愿間均為中度相關(guān)，其中感知收益與披露意愿間的相關(guān)性最強。

3.4 調(diào)節(jié)效應(yīng)檢驗

情境、測量指標(biāo)和測量工具等因素往往對不同研究間相同問題研究結(jié)果的差異起到調(diào)節(jié)作用[28]，有研究表明，不同情境下相同影響因素對用戶隱私披露意愿的作用存在差異[29]。不同性別人群，各因素與披露意愿間相關(guān)強度存在差異，Sun Y等指出，男女的披露意愿分別受到感知收益和隱私風(fēng)險更大程度的影響[30]；臧國全等也指出，性別對自我披露意愿存在顯著影響[31]。本研究將平臺類型和性別作為調(diào)節(jié)變量，分別利用亞組分析和元回歸分析對各自變量與披露意愿間是否受到調(diào)節(jié)變量的顯著影響進(jìn)行檢驗，根據(jù)文獻(xiàn)內(nèi)容和各平臺對個人信息收集的敏感程度將平臺類型劃分為綜合類平臺和健康類平臺，其中綜合類平臺包括社交媒體、電商網(wǎng)站、學(xué)習(xí)社區(qū)等除健康社區(qū)以外以及在文中未明確表明功能類型的平臺。利用亞組分析對平臺類型的調(diào)節(jié)作用進(jìn)行檢驗，結(jié)果如表4所示。從表中結(jié)果可以看出，平臺類型對感知控制、感知風(fēng)險、感知收益、主觀規(guī)范等與披露意愿間的作用關(guān)系有顯著影響，對隱私關(guān)注、信任和個性化服務(wù)與披露意愿間的作用關(guān)系影響則不顯著。

表4 平臺類型作為調(diào)節(jié)變量的分析結(jié)果

通過元回歸分析對性別在各自變量與披露意愿間是否起到調(diào)節(jié)作用進(jìn)行顯著性檢驗，結(jié)果如表5所示。從表中結(jié)果可以看出，性別可以顯著調(diào)節(jié)各變量與披露意愿間的關(guān)系。男性占比對各變量效應(yīng)值的回歸系數(shù)均顯著(P<0.05)，男性占比越高，隱私關(guān)注、感知風(fēng)險與披露意愿間的相關(guān)系數(shù)越低，個性化服務(wù)、感知控制、感知收益、信任和主觀規(guī)范等與披露意愿間的相關(guān)系數(shù)越高。

表5 性別作為調(diào)節(jié)變量的分析結(jié)果

3.5 發(fā)表偏倚檢驗

在進(jìn)行元分析時，還需要對各變量效應(yīng)值進(jìn)行發(fā)表偏倚檢驗，以避免由于發(fā)表偏倚導(dǎo)致元分析結(jié)果的偏差。本研究先基于漏斗圖對各變量是否存在發(fā)表偏倚進(jìn)行主觀視覺判斷，后通過Egger線性回歸、失效安全數(shù)及Trim&Fill檢驗相結(jié)合對變量是否存在發(fā)表偏倚進(jìn)行客觀定量判斷，結(jié)果如表6所示。從Egger線性回歸分析結(jié)果可以看出，隱私關(guān)注和主觀規(guī)范回歸結(jié)果顯著(P<0.05)，表明隱私關(guān)注和主觀規(guī)范與披露意愿間的相關(guān)性研究存在發(fā)表偏倚，其漏斗圖分別如圖2和圖3所示。失效安全數(shù)通常被用來判斷發(fā)表偏倚對主效應(yīng)檢驗結(jié)果的影響程度，失效安全系數(shù)與5k+10(其中k為某一變量納入的獨立樣本數(shù))間的比值越大，則表明發(fā)表偏倚對元分析結(jié)果的影響越有限[14]。由表6中數(shù)據(jù)計算可知，隱私關(guān)注和主觀規(guī)范的失效安全系數(shù)遠(yuǎn)大于5k+10，表明雖然存在發(fā)表偏倚，但對元分析結(jié)果的影響程度十分有限，分析結(jié)果受到發(fā)表偏倚影響的可能性較低。利用Trim&Fill進(jìn)行發(fā)表偏倚檢驗，對比剪補前后效應(yīng)值的大小，如果剪補前后效應(yīng)值大小差異較大，但最終結(jié)果未發(fā)生本質(zhì)性改變，那么則可以認(rèn)為發(fā)表偏倚誤差仍在合理范圍之內(nèi)[32]。對隱私關(guān)注和主觀規(guī)范進(jìn)行Trim&Fill檢驗，隱私關(guān)注向右剪補7項后r值調(diào)整為-0.093；主觀規(guī)范向左剪補1項后r值調(diào)整為0.261，表明發(fā)表偏倚可以接受。

圖2 隱私關(guān)注效應(yīng)值發(fā)表偏倚

圖3 主觀規(guī)范效應(yīng)值發(fā)表偏倚

表6 發(fā)表偏倚分析結(jié)果

4 結(jié)果分析

4.1 影響因素及其影響強度

本研究對篩選后的46項研究進(jìn)行了元分析，研究結(jié)果表明，在本研究所納入的變量中，隱私關(guān)注和感知風(fēng)險與網(wǎng)絡(luò)用戶個人信息披露意愿呈負(fù)相關(guān)，其余變量與披露意愿均呈正相關(guān)關(guān)系。其中感知收益、個性化服務(wù)和隱私關(guān)注與披露意愿間的相關(guān)性最強，其次為感知風(fēng)險、信任和感知控制，主觀規(guī)范對披露意愿的影響強度最弱。各因素與披露意愿間的相關(guān)系數(shù)如圖4所示。

圖4 個人信息披露意愿影響因素及關(guān)系強度

元分析結(jié)果表明，感知收益是影響網(wǎng)絡(luò)用戶個人信息披露意愿最為關(guān)鍵的因素，該結(jié)果符合隱私計算理論的觀點，與李綱等的研究結(jié)果相符[33]。感知收益是指網(wǎng)絡(luò)用戶對信息披露的一種預(yù)期收益，如個人形象[34]、便利性[35]等。Forman C等[36]的研究發(fā)現(xiàn)，對平臺的依戀是用戶選擇披露的重要原因，當(dāng)用戶感知披露個人信息能獲得較高的收益時，大部分用戶會為了信息披露帶來的收益而選擇披露部分個人信息。感知風(fēng)險與披露意愿間的相關(guān)性最弱，這一結(jié)果雖出乎意料，但也可以解釋。感知風(fēng)險與用戶個人信息披露意愿間關(guān)系強度可能受到用戶披露信息的敏感程度及信任等因素的調(diào)節(jié)，以及用戶可能無法預(yù)判隱私泄露所帶來的危害，往往會為了享受更多的增值服務(wù)而選擇披露信息[37]。后續(xù)研究應(yīng)依據(jù)披露信息的敏感程度對信息進(jìn)行分類，以加強對信息敏感程度在各影響因素與披露意愿間的調(diào)節(jié)作用的探究。

以往關(guān)于隱私披露意愿的研究多從用戶感知角度出發(fā)，且采用的數(shù)據(jù)收集方法多以問卷調(diào)查為主。在后續(xù)研究中可結(jié)合情景實驗或借助眼動儀等交互設(shè)備獲取更為客觀的實驗數(shù)據(jù)，從心理學(xué)視角挖掘影響用戶個人信息披露意愿的深層次原因。

4.2 調(diào)節(jié)作用分析

通過亞組分析和元回歸分析發(fā)現(xiàn)，平臺類型和性別差異可以解釋不同研究間某些自變量與披露意愿間研究結(jié)果的異質(zhì)性，平臺類型作為調(diào)節(jié)變量會對某些自變量與披露意愿間的相關(guān)性強度產(chǎn)生影響。平臺類型對感知風(fēng)險、感知控制、感知收益和主觀規(guī)范與用戶信息披露意愿間的調(diào)節(jié)作用顯著(P<0.05)。與綜合類平臺相比，健康類平臺中感知風(fēng)險對用戶披露意愿的負(fù)向作用更強。用戶在綜合類平臺上披露的往往為人口統(tǒng)計類等非敏感信息，用戶不會對披露此類信息產(chǎn)生較強的風(fēng)險感知。不同于社交媒體、辦公網(wǎng)站以及電商平臺等情境，健康類平臺所披露的信息多為用戶醫(yī)療記錄等敏感信息[37]，披露這一類信息可能會給用戶造成尷尬的處境或為生活增加額外的風(fēng)險，因此用戶對披露這一類信息的風(fēng)險感知會更強，從而降低其信息披露的意愿。健康類平臺上用戶的主觀規(guī)范和感知控制與用戶信息披露意愿的正向作用更強，表明相較于綜合類平臺，健康類平臺上的用戶信息披露意愿更容易受到他人的影響[38]，當(dāng)健康類平臺上的用戶感知其對個人信息的掌控權(quán)較強時，其更愿意披露個人信息。相較于健康類平臺，綜合類平臺上用戶感知收益與用戶信息披露意愿間的相關(guān)性更強。綜合類平臺披露的信息往往為敏感性較弱的信息，用戶通常會愿意為了交友或獲得更好的服務(wù)而選擇披露個人信息。隱私關(guān)注、信任和個性化服務(wù)在兩類平臺上對用戶信息披露意愿間的作用效果不存在顯著差異，即平臺類型在這3類變量與披露意愿間的調(diào)節(jié)效應(yīng)不顯著。

對性別在各自變量與因變量間的調(diào)節(jié)效應(yīng)檢驗結(jié)果表明，性別對各變量與披露意愿的調(diào)節(jié)作用均顯著，男性用戶對隱私的關(guān)注度和隱私披露風(fēng)險的感知程度明顯低于女性，且男性用戶更愿意為了體驗個性化的服務(wù)而選擇披露個人信息。Külcü ?等也表明，不同性別的用戶對隱私關(guān)注的程度存在差異，本文的研究結(jié)果也再次從側(cè)面印證了這一觀點[39]。男性占比越高，感知控制、感知收益、信任和主觀規(guī)范等與披露意愿間的相關(guān)系數(shù)越高，可以看出男性對于在網(wǎng)絡(luò)上披露個人信息的風(fēng)險意識明顯低于女性，這一結(jié)果也驗證了余建華等的結(jié)論[40]。

5 總結(jié)展望

本研究利用元分析對網(wǎng)絡(luò)用戶個人信息披露意愿影響因素進(jìn)行了探究，探討了隱私關(guān)注、感知控制、感知風(fēng)險、感知收益、主觀規(guī)范、信任和個性化服務(wù)7個變量與披露意愿間的關(guān)系強度和可能存在的調(diào)節(jié)效應(yīng)，得到了各變量與個人信息披露意愿間的明確關(guān)系，為之前變量相似卻結(jié)果各異的研究找出了統(tǒng)一的結(jié)論。研究結(jié)果發(fā)現(xiàn)，感知收益、個性化服務(wù)、信任、主觀規(guī)范和感知控制與披露意愿間均呈中度正相關(guān)，其中感知收益對披露意愿的作用最強；隱私關(guān)注和感知風(fēng)險與披露意愿間均為弱相關(guān)關(guān)系，且感知風(fēng)險負(fù)向作用更低。本研究還發(fā)現(xiàn)，平臺類型在感知控制、感知風(fēng)險、感知收益、主觀規(guī)范等因素與披露意愿間起到調(diào)節(jié)作用，而在隱私關(guān)注、信任和個性化服務(wù)與披露意愿間的調(diào)節(jié)作用不顯著；性別在各變量與披露意愿間均起到調(diào)節(jié)作用，男性占比越高，隱私關(guān)注、感知風(fēng)險與披露意愿間的相關(guān)系數(shù)越低，個性化服務(wù)、感知收益、感知控制、信任和主觀規(guī)范與披露意愿間的相關(guān)系數(shù)越高。本文的研究結(jié)果為后續(xù)的量化分析提供了更進(jìn)一步細(xì)致分析的參考，對普適性網(wǎng)絡(luò)用戶個人信息披露意愿影響因素模型的構(gòu)建具有重要的理論參考意義，同時也為各網(wǎng)絡(luò)平臺的運營提供了理論支撐，對相關(guān)平臺優(yōu)化設(shè)計具有顯著的實踐參考價值。

然而，本研究也存在一定的局限性。由于樣本文獻(xiàn)研究內(nèi)容限制，本研究暫時只對平臺類型與性別在各變量間的調(diào)節(jié)效應(yīng)進(jìn)行了檢驗，且由于亞組分析時個別亞組之間效應(yīng)值個數(shù)差異較大，這可能會對研究結(jié)果產(chǎn)生一定的影響，未來待資料豐富后可進(jìn)一步確認(rèn)本研究的亞組分析結(jié)果是否穩(wěn)健。同時，通過元分析得到的結(jié)果僅能證明各自變量與披露意愿間的線性相關(guān)性，并不能揭示其與披露意愿間的因果關(guān)系，未來研究可進(jìn)一步探究各變量與披露意愿間的動態(tài)規(guī)律。