突發(fā)公共衛(wèi)生事件應對中公民隱私信息泄露風險容忍度研究

劉先超

（湘潭大學公共管理學院，湖南 湘潭 411105）

1 引言

突發(fā)公共衛(wèi)生事件是指突然發(fā)生，造成或可能造成社會公眾健康嚴重損害的重大傳染病疫情、群體性不明原因疾病、重大食物和職業(yè)中毒以及其他嚴重影響公眾健康的事件［1］。SARS 事件、H1N1流感、埃博拉疫情以及新冠肺炎疫情等都屬于突發(fā)公共衛(wèi)生事件。這些突發(fā)公共衛(wèi)生事件因其突發(fā)性、傳播廣泛性、傳播迅速性和后果嚴重性對人民群眾的生活以及社會經(jīng)濟帶來巨大影響。為防止疫情的進一步擴散，國家通常會采取各項防疫措施避免情勢惡化。防疫措施一方面涉及醫(yī)療、物資保障，另一方面涉及對涉疫群眾的有序管控。有序管理需要把控涉疫群眾的范圍、涉疫區(qū)域以及疫情變化情況，因此需要收集和公開涉疫群眾的相關個人信息。以本次新冠疫情為例，我國疫情防控部門主要采用隔離確認人群、管控高風險區(qū)域、普通人群自我日常防護等手段，而這些防控手段的實現(xiàn)有賴于對相關個人隱私信息的公開。盡管這有助于疫情的防控，但大量的信息收集與公開提高了公民個人隱私信息泄露的風險。隱私權是公民固有的不可侵犯的權力，而在應對突發(fā)公共衛(wèi)生事件時，公民面臨犧牲部分隱私權來保護自己及他人生命健康的問題。需要公民讓渡隱私權的程度會影響公民是否積極配合防疫政策披露個人信息。因此，為了使公民積極配合防控部門披露個人信息，相關部門在制定有關個人信息收集政策時，需要充分考慮公民能夠接受的隱私讓渡程度。本研究以新冠疫情為例，探究突發(fā)公共衛(wèi)生事件應對中公民隱私信息泄露容忍度，尋找公民隱私顧慮與社會防疫對個人信息需求的平衡點，以期為突發(fā)公共衛(wèi)生事件應對中信息獲取和公開機制的制定提供參考。

2 相關研究

2.1 突發(fā)公共衛(wèi)生事件應對中公民隱私泄露研究

目前，學界從隱私泄露、隱私擔憂、“隱私保護”與“數(shù)據(jù)使用”平衡等方面對突發(fā)公共衛(wèi)生事件應對中的公民隱私泄露進行研究。隱私泄露方面，Argented等［2］認為疫情防控中核酸檢測呈陽性的個人詳細位置等隱私信息的披露有益于阻止病毒傳播和減少經(jīng)濟損失。蘇今［3］指出在重大疫情期間出現(xiàn)個人信息泄漏和不當披露的情況。隱私擔憂方面，隱私擔憂是信息披露文獻關心的重要因素［4］。池毛毛等［5］探究政府信任、機體感知和公民信息不披露意愿的作用過程?；裘骺龋?］110認為信任與隱私顧慮、隱私顧慮與社交網(wǎng)絡用戶參與動機之間存在負相關關系。聶勇浩等［7］認為感知有用性和信任都對個人信息披露意愿產(chǎn)生正向影響。臧國全等［8］認為微博內(nèi)容的語義、位置標簽和數(shù)據(jù)權限、人口統(tǒng)計學因素均影響用戶自我披露意愿?！半[私保護”與“數(shù)據(jù)使用”平衡方面，Kolfschooten 等［9］發(fā)現(xiàn)，在歐盟密切接觸者中，很難調(diào)和公共衛(wèi)生措施和個人信息隱私。姚天沖等［10］3認為，疫情防控期應自覺上報，隱私權合理讓渡。

2.2 隱私泄露容忍度研究

學界從內(nèi)涵、模型、實證等方面對隱私泄露容忍度進行研究。內(nèi)涵方面，Grable［11］將風險容忍度定義為個體在進行金融投資決策時所能接受的最大不確定性程度。風險容忍度同樣適用于信息安全領域的研究。李睿［12］104將隱私泄露容忍度定義為：理想的隱私保護狀態(tài)與用戶能承受的隱私泄露狀態(tài)之間的最大差值。并通過實證研究測量移動互聯(lián)網(wǎng)用戶的隱私泄露容忍度。測量模型方面，Adams［13］5運用扎根理論構建多媒體環(huán)境下的用戶感知隱私理論框架，從信息敏感度、信息接收者和信息使用3 個維度研究隱私問題。李睿［12］104設計信息敏感性、接收者敏感性、使用敏感性3個維度來測量互聯(lián)網(wǎng)用戶的隱私泄露容忍度。實證方面，Kim［14］基于保護動機理論構建新冠疫情背景下民眾隱私泄露風險容忍度的影響因素模型，通過實證研究發(fā)現(xiàn)機構的權威性以及社會一致性能正向影響隱私泄露風險容忍度。易紅［15］認為隱私泄露容忍度類似于風險容忍度，個體會在隱私泄露后果與隱私泄露回報之間權衡，并采用問卷調(diào)查的方式研究圖書館用戶的隱私泄露容忍度。臧國全［16］72認為當用戶收益降低到一定程度時會拒絕披露數(shù)據(jù)，該臨界點的收益即為隱私泄露容忍度，并通過改造BDM 機制測量患者對醫(yī)療隱私數(shù)據(jù)泄露的容忍程度，為醫(yī)療機構及第三方組織機構制定患者醫(yī)療隱私數(shù)據(jù)保護政策提供借鑒。

綜上所述，目前對隱私信息泄露風險容忍度測量的研究主要集中在一般互聯(lián)網(wǎng)用戶方面，而在突發(fā)公共衛(wèi)生事件應對中，相關部門為實現(xiàn)疫情有序管控需要收集和公開大量公民相關隱私信息，公民需要犧牲部分隱私權來保護自己以及身邊人的生命健康［10］4，公民隱私信息泄露風險容忍度在面對疫情防控中需保護自己及他人的生命健康問題時，有了明顯變化，這是一個值得深入探究的問題。基于此，本文基于披露或隱匿個人信息決策的系統(tǒng)性理論——溝通隱私管理理論（Communication Privacy Management theory，CPM），構建突發(fā)公共衛(wèi)生事件應對中公民隱私信息泄露風險容忍度測量模型，并采用BDM（Becker DeGroot Marschak）機制進行驗證與分析，以期平衡公民的隱私顧慮與社會防疫對個人信息的需求，為突發(fā)公共衛(wèi)生事件應對中防疫部門制定信息獲取和信息公開機制提供參考。

3 理論基礎與模型構建

3.1 溝通隱私管理理論（CPM）

溝通隱私管理理論（CPM）由Petronio 等［17］提出，CPM 理論有5 條準則：（1）當個人認為某個信息屬于自己時，他會將這條信息當作隱私信息。（2）個人認為自己有權管理隱私信息的擴散程度。（3）個人通過設置隱私規(guī)則的方式來管理信息的傳播。（4）當個人隱私被傳播后，獲得該隱私信息的其他人成為該信息的共同所有人，應當遵守隱私原始所有人的隱私規(guī)則。（5）當隱私信息原始所有人與其他共同所有人就隱私管理規(guī)則無法達成一致時，產(chǎn)生隱私動蕩。該理論的核心在于隱私控制［18］，個人認為自己有權決定隱私邊界與隱私披露決策，并通過設置隱私規(guī)則的方式來管理信息的傳播。

CPM理論已被廣泛應用于信息管理領域中的隱私問題研究［19］57。公民直接向信息接收者披露隱私信息時的風險容忍度涉及信息類型、信息接收者、信息使用目的3個測量維度，這些測量維度在前人研究中多次出現(xiàn)［12］［13］。而在應對突發(fā)公共衛(wèi)生事件時信息接收者為實現(xiàn)防疫目的，會將采集到的公民隱私信息進行再傳播。根據(jù)CPM 理論，公民與信息接收者之間為隱私信息共同所有者的關系，共同所有者之間就隱私信息管理要達成一致管理規(guī)則，避免發(fā)生隱私動蕩。隱私政策作為公民與信息接收者之間的協(xié)作管理機制，能夠增強公民對隱私的感知控制感，降低感知隱私風險［20］，因此，隱私政策成為公民考量是否披露隱私信息的一大因素。本研究將隱私信息泄露風險容忍度與CPM 理論融合，增加隱私政策這一測量維度，因而CPM理論有效支撐的測量維度包括：隱私信息類型敏感性、隱私信息接收者敏感性、隱私信息使用敏感性、隱私政策4個維度。本文將從此4 個維度構建突發(fā)公共衛(wèi)生事件應對中公民隱私信息泄露風險容忍度測量模型。

3.2 模型構建

3.2.1 隱私信息類型敏感性維度

由于突發(fā)公共衛(wèi)生事件會給群眾和社會帶來不良影響，為應對疫情的擴散，防控部門需要對疫情的傳播主體，即涉疫群眾，進行有序管理。而有序管理的基礎是掌握涉疫群眾的相關信息。突發(fā)公共衛(wèi)生事件的典型特征是健康損害性和具有傳染性，因此防控部門的首要需求是定位涉疫群眾及了解其健康狀況，對其獲取的信息主要包括身份信息、位置信息、生理健康信息3個維度［21］。以新冠疫情為例，對個人信息的采集主要涉及姓名、性別、年齡、身份證號碼、住址、電話、地理位置、活動軌跡、生物特征識別信息、健康統(tǒng)計信息等。針對所泄露的隱私信息是否會擾亂信息主體生活秩序、是否影響信息主體名譽、是否對信息主體經(jīng)濟利益造成損害等負面影響，隱私信息可劃分為不同的敏感等級［22］。因此，由于不同類型的隱私信息泄露對信息主體造成的損失程度不同，公民對待被收集信息類型的敏感程度和風險包容程度也有所差異。本文將涉疫隱私信息類型敏感性測量維度設置為：身份信息、位置信息、生理健康信息，測量公民對不同類型信息的容忍度差異。

3.2.2 隱私信息接收者敏感性維度

為應對突發(fā)公共衛(wèi)生事件，不僅官方防控部門會收集公民隱私信息用于涉疫群眾的管理和社會秩序的恢復，其他機構或組織出于自身利益的考慮，如穩(wěn)定運營等目的，也會要求公民披露相關個人隱私信息。因此，為應對突發(fā)公共衛(wèi)生事件，對公民個人信息的收集存在主體多元化的特征［23］。在此次新冠疫情期間，不僅政府部門會收集個人信息，私營企業(yè)、商家也是收集個人隱私數(shù)據(jù)的主體［24］。由于不同的信息收集主體，其信息存儲能力、信息處理能力、信息監(jiān)管能力、信息保護能力有所不同，給公民帶來的客觀潛在風險程度有所差異。同時，面對不同的信息收集者，由于權威性和信任程度的差異，公民感知風險程度也有所不同。因此，本文將多元化的信息收集主體劃分為兩大類別：官方收集主體和非官方收集主體，官方主體主要指政府部門及政府授權部門，非官方主體包括線下商家、企業(yè)、網(wǎng)絡運營商等，并針對不同的信息接收者探究公民的風險容忍度差異。

3.2.3 隱私信息使用敏感性維度

突發(fā)公共衛(wèi)生事件中一切應對措施的最終目的是實現(xiàn)疫情防控，對公民相關隱私信息進行收集的目的也不例外。例如新冠疫情期間通過對個人位置信息和行動軌跡的收集與分析，目的是識別確診患者、疑似患者的行動路線、人員流動態(tài)勢分析，精準定位可能的風險區(qū)域［25］，實現(xiàn)疫情防控。盡管在突發(fā)公共衛(wèi)生事件時期被收集的個人隱私信息由于收集主體的多樣性和信息體量的巨大性而被多途徑開發(fā)利用，但本研究僅聚焦于突發(fā)公共衛(wèi)生事件應對中，公民針對防疫目的而披露個人隱私信息的風險容忍度。因此在信息使用維度上，將防疫設定為被收集信息的使用目的。

3.2.4 隱私政策維度

本研究所指隱私信息泄露風險容忍度即在突發(fā)公共衛(wèi)生事件應對中，公民為保障個人生活秩序正常而愿意披露個人隱私信息的程度。從何種程度上對何人披露個人隱私信息也即公民對隱私邊界的管理。根據(jù)CPM 理論，隱私信息原始所有者要與隱私信息共同所有者就隱私信息管理規(guī)則達成一致，避免發(fā)生隱私動蕩。隱私政策被認為是隱私信息原始所有者與其他共同所有者之間的一種隱私協(xié)作機制，其他共同所有者依據(jù)隱私政策對隱私信息進行管理、使用，并對其安全負有監(jiān)管責任。在應對突發(fā)公共衛(wèi)生事件時，各類隱私信息收集者向公民采集隱私信息時是否提供隱私政策，表明公民與信息收集主體之間是否就隱私信息管理規(guī)則達成共識，這會影響公民對個人隱私信息的把控感，從而影響其披露隱私信息的意愿。

結合上文分析，本文在文獻研究的基礎上，通過整理、合并各個隱私測量維度，構建突發(fā)公共衛(wèi)生事件應對中公民隱私信息泄露容忍度測量模型如圖1所示。

圖1 突發(fā)公共衛(wèi)生事件應對中公民隱私信息泄露容忍度測量模型

4 評價模型的實證檢驗

4.1 方法選取與實現(xiàn)過程

目前針對隱私信息泄露風險容忍度的研究多采用問卷調(diào)查直接詢問用戶能夠接受的風險程度，用戶真實的心理評估值與實際選擇值是否一致無法得到確切保證。因此，本文選取改造后的BDM 機制［26］，對突發(fā)公共衛(wèi)生事件應對中公民隱私信息泄露容忍度測量進行實驗。BDM 機制由Becker 等［27］于1964 年提出，運用市場拍賣的原理測量競標者對競標物品（所屬權非競標者）能夠支付的最高支付價格，能夠有效測量競標者對物品的估值，也即支付意愿。本文中研究測量的對象是個人隱私信息，其歸屬權為個人（即競標者），競標者的目的是將個人隱私信息出售給拍賣者，本研究的目的是測量競標者的最低出售價格，即受償意愿，由此可知BDM 機制研究內(nèi)核與本文基本一致。而改造后的BDM 機制，能夠有效測量公民對個人隱私信息的真實價值認知。

本文的實驗步驟如下：

（1）獲勝機制。競標者對個人隱私信息進行報價a 元，拍賣者隨機抽取價格b 元（隨機抽取價格區(qū)間與競標者報價區(qū)間一致）。當a≤b時，競標者獲勝，并以b元的價格出售；當a＞b時，競標者失敗，無法成功出售。改造后的BDM 機制能夠有效測量其真實的數(shù)據(jù)價值認知，因為競標者要想在拍賣中獲勝，需要a≤b，出于利益最大化的心理，心理價位c 不會高于實際報價a，即c≤a≤b。只有當（a=c）時，競標者才能獲取最大利益。

本研究中所使用的BDM 價目表包含20 種個人隱私信息價格及價格區(qū)間，價格步長為5元，可出售價格區(qū)間為0～100，如表1 所示。被試選擇的最低出售價格即為受償意愿（WAT），若被試選擇WAT=0，即該被試愿意無償出售其個人隱私信息用于應對突發(fā)公共衛(wèi)生事件；若被試選擇拒絕出售其個人隱私信息用于防疫，則WAT=105。

表1 BDM價目表

（2）隱私信息泄露容忍度計算。通過BDM 機制獲取的數(shù)據(jù)為被試能夠接受的最低受償價格（WAT），并不能直接表示為隱私信息泄露風險容忍度。WAT與隱私信息泄露風險容忍度之間呈反變關系，即BDM價目表中被試的WAT度之間呈反變關系，即BDM 價目表中被試的WAT 越高，則其容忍度越低。通過計量公式［16］75：

隱私信息泄露容忍度（PLT）=（105-WAT）/105

將WAT 轉換為［0-1］之間的容忍度。當WAT=0 時，代表被試愿意無條件出售其個人隱私信息用于應對突發(fā)公共衛(wèi)生事件，其風險容忍度為1；當WAT=105時，代表被試拒絕出售其個人隱私信息用于疫情防控，其風險容忍度為0。

4.2 實驗數(shù)據(jù)收集

人口統(tǒng)計學結果見表2。

表2 人口統(tǒng)計學結果

本研究以新冠疫情為例，于2022 年10 月—2022 年12 月期間在微博、微信、知乎等線上網(wǎng)絡平臺及居民社區(qū)、大學等線下場所隨機抽取被試人群，共回收215份有效實驗數(shù)據(jù)。樣本人群各年齡段分布較為均勻，具有較好的代表性。

4.3 實驗結果分析

4.3.1 PLT均值

本次實驗對十二組數(shù)據(jù)進行分析，PLT 均值實驗數(shù)據(jù)結果如表3所示，從整體均值來看，隱私信息泄露的風險容忍度較低，對官方信息接收者的容忍度高于非官方信息接收者，對位置信息泄露的風險容忍度最高，對身份信息泄露的風險容忍度最低，提供隱私保護政策情境下的容忍度高于不提供隱私保護政策的容忍度。在拒絕出售比例上，從數(shù)據(jù)類型維度看，拒絕出售個人隱私信息的比例為：身份信息＞生理健康信息＞位置信息。從信息接收者維度看，非官方信息接收者的拒絕出售比例整體高于官方信息接收者的拒絕出售比例。從隱私政策維度看，不提供隱私保護政策的拒絕出售比例整體高于提供隱私保護政策的拒絕出售比例。上述結論是否具備統(tǒng)計學上的意義，還需進行顯著性檢驗。

表3 PLT均值

4.3.2 信息類型顯著性檢驗

針對不同信息類型采用獨立樣本t檢驗，觀察這三類隱私信息之間是否存在顯著差異。表4、表5為不同隱私信息類型之間的顯著性檢驗結果，針對官方接收者可以看出，每兩類隱私信息之間容忍度均存在顯著差異（Sig.＜0.05）。且公民的隱私信息泄露風險容忍度排序為：地理位置信息＞生理健康信息＞身份信息。這些結果表明，無論有無相關隱私保護政策，針對身份信息泄露帶來的風險，公民所能承受的程度顯著低于生理健康信息和地理位置信息，這或許是因為身份信息更具識別性。就生理健康信息和地理位置而言，或許因為地理位置信息的披露對流調(diào)工作有重大貢獻，且根據(jù)國家防疫政策，公民披露個人行動軌跡才能順利出行，而生理健康信息更偏私密，因此公民對位置信息泄露的風險容忍度要顯著高于生理健康信息。檢驗非官方信息接收者的信息類型顯著性時，也能得出相似結果，因此，針對不同類型信息泄露風險容忍度之間存在的差異具備統(tǒng)計學意義。

表4 不同信息類型的顯著性檢驗結果（有隱私政策）

表5 不同信息類型的顯著性檢驗結果（無隱私政策）

4.3.3 信息接收者顯著性檢驗

針對同一信息類型下不同信息接收者進行配對樣本t檢驗，其結果如表6所示。針對同一類型信息，公民對官方信息接收者與非官方信息接收者的風險容忍度存在顯著差異（Sig.＜0.05），且針對官方信息接收者的容忍度明顯高于非官方信息接收者。這可能是因為官方信息收集者，如政府部門、政府授權部門等，相比于企業(yè)商家等非官方信息收集者來說更具權威性，公民對官方信息收集者的信任度更高，愿意配合其防疫政策進行相應的信息披露。

表6 信息接收者顯著性檢驗結果

4.3.4 隱私政策顯著性檢驗

為檢驗隱私政策是否影響公民的隱私信息披露意愿，針對有無隱私政策進行配對樣本t 檢驗，其結果如表7 所示。針對同一類信息接收者接收同一類信息，提供隱私保護政策情景下用戶的風險容忍度與不提供隱私保護政策情境下公民的風險容忍度存在顯著差異（Sig.＜0.05）。為應對突發(fā)公共衛(wèi)生事件而向公民采集個人信息時，提供隱私保護政策明顯會提高公民的隱私信息泄露風險容忍度，更愿意披露個人隱私信息。這或許是因為隱私保護政策的提供讓公民了解和把握被收集的個人信息將被如何處理、存儲、利用、傳播和管理，對個人隱私信息的控制感增強，從而降低個人隱私信息傳播的失控感。因此，相比于無隱私保護政策的情景，提供隱私保護政策會增強公民的隱私信息披露意愿。

表7 隱私政策顯著性檢驗結果

4.3.5 回歸分析

普通線性回歸分析在遇到分類變量時，無法準確反映分類變量不同取值的距離，而最優(yōu)尺度回歸分析擅長將分類變量進行量化處理并進行統(tǒng)計分析。由于本實驗中涉及的性別、學歷變量屬于分類變量，因此采用SPSS 軟件進行最優(yōu)尺度回歸分析，測量分類變量與因變量之間的關系。由于十二組實驗數(shù)據(jù)能夠得到相同結果，文中僅展示在有隱私政策的情況下人口統(tǒng)計學變量與官方接收身份信息的風險容忍度之間的最優(yōu)尺度回歸分析結果。以官方接收身份信息的風險容忍度為因變量，以性別、年齡、學歷為自變量進行最優(yōu)尺度回歸分析。首先對自變量進行虛擬化處理，將性別變量設置為：“男”=1，“女=2”；將年齡變量設置為：“18 歲～25 歲=1”，“26 歲～35 歲=2”，“36 歲～45 歲=3”，“46 歲及以上=4”；將學歷變量設置為：“本科以下=1”，“本科=2”，“碩士研究生及以上=3”?；貧w分析結果如表8所示，性別、年齡變量對風險容忍度均無顯著影響，學歷變量顯著影響公民的隱私泄露風險容忍度（Sig.＜0.05）。在擬合出的回歸模型中學歷變量對隱私泄露風險容忍度的影響系數(shù)為-0.396，表明學歷與隱私泄露風險容忍度呈負相關關系，學歷越高其風險容忍度越低。

表8 最優(yōu)尺度回歸分析（針對官方收集身份信息）

5 結果與討論

本研究所構建的隱私信息泄露風險容忍度測量模型由信息類型敏感性、信息接收者敏感性、信息使用目的敏感性、隱私政策4個維度構成，其中信息類型、信息接收者、信息使用目的等一階測量維度在前人研究中多次出現(xiàn)。鑒于隱私信息泄露容忍度本質(zhì)上涉及公民對個人隱私信息的管理，故將隱私信息泄露風險容忍度與CPM理論深度融合下提煉出隱私政策這一測量維度，豐富現(xiàn)有隱私信息泄露風險容忍度測量模型。本研究以新冠疫情為例，從4個維度對公民隱私信息泄露風險容忍度進行測量。縱觀全文，結論如下：

5.1 信息類型維度

根據(jù)研究結果顯示，突發(fā)公共衛(wèi)生事件應對中公民對個人隱私信息泄露的風險容忍度整體偏低。在個人隱私信息類型方面，身份信息、位置信息、生理健康信息的風險容忍度依次為：0.222、0.377、0.298，表明公民對身份信息泄露的敏感性更高，這或許是因為身份信息具有識別性，能夠精準定位到個人。如姓名、身份證號碼等敏感身份信息泄露，會給被泄露主體的生活帶來負面影響，因此公民對其風險容忍度最低。公民對地理位置信息泄露的風險容忍度要略高于生理健康信息，這可能是因為生理健康信息對公民而言更具私密性。而且，從隱私計算理論的視角看，是否愿意披露信息、承擔風險，是由成本和收益決定的。地理位置信息的披露一方面有助于疫情防控部門開展流調(diào)工作，維護社會秩序，另一方面能夠幫助公民自身判斷是否途經(jīng)風險區(qū)域，公共利益和個人利益共同決定公民針對地理位置信息較高的風險容忍度。

5.2 信息接收者維度

在信息接收者維度，針對不同的信息接收者，公民的風險容忍度具有顯著差異，針對官方渠道的風險容忍度明顯高于非官方渠道。這或許是因為相比于非官方信息接收者，官方信息接收者對公民而言更具有權威性和可信度，公民對官方機構的信任會影響其信息披露的意愿和披露行為?；裘骺龋?］112研究證實信任對個人信息披露意愿有明顯的正向影響，因此公民會更愿意向官方信息接收者披露信息。同時，在發(fā)生信息泄露事件后，相比于企業(yè)商家等非官方機構，官方機構更具事后救濟能力，降低對被泄露主體的影響，因此公民對官方機構的信息泄露風險容忍度更高。

5.3 隱私政策維度

在隱私政策維度，信息采集時是否向公民提供隱私政策會顯著影響公民的風險容忍度。提供隱私政策的情景下公民的隱私泄露風險容忍度明顯高于不提供隱私政策的情景。這或許是因為隱私政策的提供向公民傳達被收集的信息將被有序管理的信號，表明信息接收者與公民之間就隱私信息保護達成協(xié)作機制，信息接收者成為隱私信息的監(jiān)護者，保障隱私信息的安全，避免隱私信息遭到濫用。劉百靈等［19］64實證研究也表明，隱私政策及隱私保護措施的提供會提高用戶對人隱私信息的控制感知，提升對信息收集者的信任，從而提升用戶披露個人信息的意愿。因此，隱私政策是影響公民隱私信息披露意愿的一大因素。

5.4 人口統(tǒng)計學變量結果

在人口統(tǒng)計學特征方面，風險容忍度受個人特質(zhì)的影響而呈現(xiàn)不同。在本文的研究變量中，性別和年齡對隱私泄露風險容忍度的影響不大，而學歷會顯著影響個體的隱私信息泄露容忍度。整體來說學歷與隱私泄露風險容忍度呈顯著的負相關關系，學歷越高其隱私泄露風險容忍度越低。或許是因為學歷越高，其接受的隱私保護教育程度比較高，對隱私泄露事件所帶來的風險和影響認識程度更深，因此隱私保護意識更強烈。臧國全等［16］77的研究也表明教育程度高的個體更擔憂信息被收集的情況，不愿輕易泄露個人隱私信息。因此，學歷是顯著影響隱私泄露風險容忍度的變量。

6 建議與展望

由于新冠疫情具有突發(fā)公共衛(wèi)生事件的典型特點，這期間公民針對防疫的隱私信息泄露容忍度現(xiàn)狀能夠在一定程度上反映類似事件發(fā)生時公民的隱私披露態(tài)度。因此，本實驗的結果可為今后應對類似突發(fā)公共衛(wèi)生事件時防疫機構制定相應信息獲取和信息披露機制提供借鑒。鑒于本實驗結果反映的現(xiàn)狀，提出如下建議：

（1）要根據(jù)防疫需求最小限度地收集公民個人隱私信息。鑒于公民隱私泄露風險容忍度較低的現(xiàn)狀，為平衡公民個人利益與社會疫情防控需求，信息收集者在個人信息收集上要遵從最小范圍原則和適當性原則［28］。在應對突發(fā)公共衛(wèi)生事件時，有關部門要根據(jù)防控需要合理、有限地收集公民的個人隱私信息。只需獲最基本、有防疫作用的信息即可，對于敏感的如身份證號碼、職業(yè)等具有個人識別作用的信息以及個人的既往病史等生理健康信息無須征集。且敏感信息盡量做匿名化處理，降低信息公開對個人的影響。

（2）對于已收集的公民隱私信息要強化安全保管措施。針對不同的信息接收者，盡管公民對官方信息接收者的風險容忍度高于非官方信息接收者，但其風險容忍度整體仍偏低。原因在于個人隱私泄露事件頻發(fā)。因此，無論是官方信息收集者還是非官方信息收集者，都需要加強對所獲取的公民個人隱私信息的保護，在收集公民隱私信息前要制定好隱私保護政策，確定隱私信息的使用、存儲、保管規(guī)則，做好事前準備和保障工作，增強數(shù)據(jù)安全意識，降低公民隱私泄露的可能性和風險性，避免觸及公民的風險容忍度底線。

受各種因素限制，本文存在一定的局限性。首先，就測量維度而言，沒有橫向探討不同維度對公民隱私信息泄露風險容忍度的影響大小。今后可深入研究信息類型、信息接收者、隱私政策等因素對公民隱私信息泄露風險容忍度的影響程度。其次，在人口統(tǒng)計學特征選取方面，由于風險容忍度是一種個體特質(zhì)，受多種因素的綜合影響。本文在研究影響風險容忍度因素時僅考慮性別、學歷、年齡等特征，沒有考慮個體特征，如個人應對隱私泄露的軟硬件能力等。最后，在樣本數(shù)量方面，本文的樣本數(shù)量不夠大，這可能會導致統(tǒng)計學意義上的結果偏差。今后的研究還需不斷擴大樣本量以及樣本的地域范圍，降低因地域、文化、經(jīng)濟等方面帶來的差異。