調(diào)節(jié)定向對App用戶隱私披露的影響

摘" 要" 合理且充分利用用戶數(shù)據(jù)是互聯(lián)網(wǎng)經(jīng)濟重要組成部分。數(shù)據(jù)采集不可避免會涉及用戶隱私， 需要獲得用戶授權， 這就是用戶隱私披露。目前對于隱私披露的相關研究缺乏基于客觀和群體層面的視角， 而且在隱私授權的決策機制上也不清晰。本項目以調(diào)節(jié)定向理論為基礎， 在個體和群體兩個層次上， 將結合行為實驗、眼動測量和數(shù)據(jù)挖掘方法系統(tǒng)探究調(diào)節(jié)定向和調(diào)節(jié)匹配對隱私披露不同階段的影響機制。研究成果將有助于理解隱私授權過程中調(diào)節(jié)定向的作用機制， 也將在隱私授權的助推設計中發(fā)揮潛在的應用價值。

關鍵詞" 調(diào)節(jié)定向， 調(diào)節(jié)匹配， 隱私披露， 信息框架， App用戶

分類號" B849： C91

1" 問題提出

信息時代下， 隱私（Privacy）被定義為個體對其信息是否被收集的控制和決策（Rezgui et al.， 2003）。用戶通過授權產(chǎn)品服務商自身相關信息以獲得更精準高效的個性化推薦、更優(yōu)質的用戶體驗（Zlatolas et al.， 2015）。然而近年來個人信息被盜用、濫用并以此牟利的現(xiàn)象屢見不鮮， 引發(fā)了個體對于隱私數(shù)據(jù)披露的擔憂。一項針對Android用戶的調(diào)研表明， 超過80%的用戶會拒絕至少一個隱私授權請求（Wijesekera et al.， 2015）。因此， 企業(yè)需要用戶數(shù)據(jù)以提供更好的服務、產(chǎn)生更大的社會和經(jīng)濟價值; 但數(shù)據(jù)的使用在企業(yè)和用戶之間存在不對稱性， 這導致用戶的隱私披露意愿也存在很大程度的不確定性， 在面對合理的隱私授權請求時， 也可能會做出次優(yōu)的選擇。針對上述隱私披露和數(shù)據(jù)服務之間的矛盾， 在合理合規(guī)的基礎上， 通過洞察個體隱私披露的內(nèi)在機制以促進授權過程的優(yōu)化， 不僅能夠提升用戶的使用體驗， 更將有助于發(fā)揮數(shù)據(jù)的價值并賦能社會與經(jīng)濟發(fā)展。

在隱私授權過程中， 用戶自身的心理特質在其中發(fā)揮著重要的作用， 不同的用戶對相同的授權信息會表現(xiàn)出不一樣的行為反應。調(diào)節(jié)定向（Regulatory Focus）指個體在實現(xiàn)目標的過程中， 對自己思想和反應的改變或控制表現(xiàn)出的特定方式或傾向， 一般可以分為促進定向和預防定向兩類動機系統(tǒng)（Higgins， 1997）。促進定向關注過程的積極因素和目標的完成， 預防定向則關注過程的消極因素和目標的安全。調(diào)節(jié)定向作為一種普遍的動機原則， 在個體認知評估、決策權衡和行為策略等基本心理過程中發(fā)揮重要作用（姚琦， 樂國安， 2009）。近年來， 一些研究者初步探究了用戶的不同調(diào)節(jié)定向特質在其社交媒體使用和隱私保護行為中的作用， 均發(fā)現(xiàn)促進定向為主導的個體比預防定向為主導的個體在社交網(wǎng)站上信息披露意愿更強（Mosteller amp; Poddar， 2017; 沈旺 等， 2020）。不過， 當前相關研究對個體調(diào)節(jié)定向和隱私相關行為的考察， 在系統(tǒng)性上存在一些不足。盡管消費心理學相關研究表明， 個體的調(diào)節(jié)定向對其購買決策的需求識別、信息過濾和決策形成各個階段有明顯影響（如Wang amp; Lee， 2006）， 但是目前只有少數(shù)將調(diào)節(jié)定向理論用于解釋個體隱私披露意愿的研究， 并且這些研究大多止于二者的現(xiàn)象關聯(lián)， 對不同調(diào)節(jié)定向個體在App隱私授權各個階段的決策特點和機制缺乏深入探究（如：朱鵬 等， 2019）。同時大多數(shù)研究以單一問卷測量為主（如：沈旺 等， 2020）， 這種方法體系導致樣本量和生態(tài)效度有限， 問卷測得的個體意愿與其真實的隱私披露行為之間存在一定的差異。

個體的調(diào)節(jié)定向不僅對信息的接受意愿有直接作用， 也能夠通過與信息框架的匹配提升信息的被采納度， 這被稱之為調(diào)節(jié)匹配效應（Regulatory fit effect） （Higgins， 2000）?？蚣苄‵raming effects）描述的正是對一個客觀上相同的問題采用不同的結構與陳述方式從而影響個體決策判斷的現(xiàn)象。與個體調(diào)節(jié)定向相關的是風險選擇框架， 指當分別從損失或收益方面來描述某一風險信息時個體承擔風險的意愿變化情況。促進定向的個體對強調(diào)積極結果或成就的正面信息有更強的接受意愿; 預防定向的個體對強調(diào)避免消極結果出現(xiàn)和安全需要的信息有更強接受意愿（Cesario et al.， 2013）， 這種調(diào)節(jié)匹配引起了個體對信息更精細的加工水平， 從而導致信息說服性的提升（Cesario et al.， 2008）。

那么， 調(diào)節(jié)匹配是否也會提高App用戶對隱私授權信息的接受度？已有研究發(fā)現(xiàn)了App授權時間和信息框架的匹配效應對用戶的隱私披露意愿產(chǎn)生影響， 在獲得框架與及時授權、損失框架與提前授權的情況下， App用戶有更高的隱私披露意愿（潘定， 謝菡， 2020）。但是該研究并未將用戶自身的調(diào)節(jié)定向水平考慮在內(nèi)。Teeny等人（2020）在說服研究的綜述中指出， 與被說服者個體特質匹配的信息有更強的說服效果。近年來在各種在線推薦系統(tǒng)（Recommendation System， RS）中， “千人千面”的個性化推薦已經(jīng)被證實具有較好的推薦效果， 這種基于特質的個性化信息匹配能夠讓個體產(chǎn)生更高的自我關聯(lián)印象（Moon， 2002）。但是目前的個性化推薦領域更多涉及產(chǎn)品、服務的個性化展示， 幾乎沒有涉及用戶隱私授權信息的優(yōu)化。隨著大數(shù)據(jù)時代用戶信息授權行為日益頻繁， 個體隱私態(tài)度的“可塑性”引起了商業(yè)組織的關注。Acquisti等人（2015）發(fā)表的綜述提及了個體的隱私授權偏好會被呈現(xiàn)的授權信息所影響。因此， 當隱私信息的授權是必要時， 個體對與自身特征相匹配的信息有高的關注度。

因此， 本項目將從調(diào)節(jié)定向這一在心理學領域十分重要且常見的個人特質入手， 結合心理學與計算機研究手段， 在個體和群體兩個維度探究調(diào)節(jié)定向對App用戶隱私披露決策的影響， 以及調(diào)節(jié)匹配對隱私授權的促進機制。在理論層面通過風險決策范式系統(tǒng)地考察了不同調(diào)節(jié)定向個體對隱私披露從表層偏好到底層權衡的決策特點， 調(diào)節(jié)匹配效應對隱私披露決策的助推效果， 并基于用戶的真實使用數(shù)據(jù)對在群體層面調(diào)節(jié)定向和隱私披露的關聯(lián)進行了驗證， 從而為調(diào)節(jié)定向理論在隱私披露領域的相關研究提供了從個體到群體、從披露意向到?jīng)Q策過程的延展。在應用層面， 一方面研究結果可以設計基于調(diào)節(jié)定向的隱私授權助推信息以提升用戶體驗， 通過實現(xiàn)基于調(diào)節(jié)定向的隱私授權信息個性化匹配， 讓用戶更能理解并接受隱私信息披露的作用。另一方面研究成果中用戶調(diào)節(jié)定向的文本分析模型的簡歷和隱私指標體系可以為大規(guī)模的群體隱私偏好分析提供測量工具的參考。

2" 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)分析

2.1" 隱私披露及相關理論

人類進入互聯(lián)網(wǎng)時代以來， 隱私這個古老的概念逐漸成為了心理學、計算機學、法學、管理學等多學科關注的熱點問題。隱私信息的界定有多種標準， Westin （1967）最早從法學角度強調(diào)隱私的主體性， 將隱私信息定義為主體在交往過程中， 基于自我意愿向他人傳達的個人相關信息和自身感受。Banisar和Davies （1999）將隱私信息細分為：個人信息、通信信息、空間信息、身體信息。邱均平和李艷紅（2012）認為社交網(wǎng)絡用戶的隱私信息分為：用戶分享信息、用戶個人信息、人際關系信息、數(shù)據(jù)挖掘信息。由此可見， 隨著時代的變化， 隱私信息的內(nèi)容是動態(tài)的， 范疇在不斷擴大， 包括了所有與自身相關的基本信息， 個人對這些信息享有不被他人任意獲取、使用、控制的權利。

從經(jīng)濟學的角度出發(fā)， 移動互聯(lián)網(wǎng)時代下上述隱私信息的披露的確能為用戶自身帶來一定的價值。盡管受到抨擊， 但是“用戶愿意用隱私換取便利”的說法在某種程度上的確存在， 諸如服務的便捷性和經(jīng)濟收益等因素可顯著提高用戶隱私披露意愿（Li et al.， 2010）。隱私計算理論認為， 用戶在決策前會對隱私泄露造成的損失和隱私披露帶來的收益進行權衡， 當感知到的收益大于觀察到的風險時， 就會選擇披露個人信息（Vishwanath et al.， 2018）。社交網(wǎng)絡用戶的感知收益主要指獲取并維持與他人的聯(lián)結， 而感知風險則來源于信息被盜用或濫用的可能性（Poddar et al.， 2009）。

隱私計算理論被認為是“分析當代用戶隱私問題最有用的框架” （Awad amp; Krishnan， 2006）， 其核心觀點中對于感知收益和風險的衡量得到了廣泛的認可。但是目前基于該理論的一些研究尚存在以下局限：1）該理論的前提是“理性人”， 但是實際中用戶在進行隱私?jīng)Q策時往往是有限理性（Bounded Rationality）的（Acquisti et al.， 2015）， 比如選擇性地關注信息并形成有限的選擇集合; 2）幾乎所有的研究都是采用問卷測量方法收集隱私披露數(shù)據(jù)， 這種方法學的單一導致測量的往往是隱私披露的意愿而非行為。而個體的隱私披露意愿和行為之間往往不一致， 這種現(xiàn)象稱為隱私悖論（Privacy paradox） （Utz amp; Kr?mer， 2009）。 因此， 本項目將用戶看做有限理性的個體， 將個體本身的調(diào)節(jié)定向特質視為對隱私?jīng)Q策產(chǎn)生影響的重要變量， 通過多方法的研究范式， 探究調(diào)節(jié)定向對于隱私披露行為的影響。

2.2" 用戶調(diào)節(jié)定向與隱私披露相關研究

調(diào)節(jié)定向理論（Higgins， 1997）超越傳統(tǒng)享樂主義動機， 區(qū)分出“促進”和“預防”兩種調(diào)節(jié)性動機系統(tǒng)， 大量研究表明， 兩種調(diào)節(jié)定向的個體在動機導向、心理需求、行為偏好、結果反應和情緒體驗等方面均有不同表現(xiàn)（楊巧英 等， 2021）。從所服務的需要類型上看， 促進定向與個體的提高需要相關， 預防定向與個體的安全需要相關。從對目標的表征和體驗模式上看， 促進定向將期望的目標狀態(tài)表征為抱負和完成， 在目標追求過程中更關注積極結果; 而預防定向將期望的目標狀態(tài)表征為責任和安全， 在目標追求過程中更關注消極結果（姚琦， 樂國安， 2009）。調(diào)節(jié)定向理論近年來受到人格、動機、社會等領域研究者的廣泛關注， 推動了說服、決策和偏好等研究主題的發(fā)展。

促進定向和預防定向特質會影響個體對風險和收益的關注， 從而影響個體最終的決策行為（尹非凡， 王詠， 2013）。而隱私授權的計算過程核心正是對于風險和收益的權衡。因此， 調(diào)節(jié)定向理論既能很好地體現(xiàn)隱私計算理論中個體關于風險和收益的權衡差異， 也能在一定程度上解釋用戶在隱私授權決策中的“非理性”現(xiàn)象?；谏缃痪W(wǎng)站用戶的相關問卷研究發(fā)現(xiàn)， 促進定向的用戶感知到更多信息披露的收益（朱鵬 等， 2019）， 并傾向于在社交網(wǎng)站上披露更多的個人信息（沈旺 等， 2020）， 但上述研究往往通過問卷讓被試主觀報告自己的隱私披露意愿， 并未深入探究在隱私授權決策的不同階段， 調(diào)節(jié)定向對個體隱私披露意愿和行為的影響。消費心理學相關研究表明， 決策的初始階段， 個體的調(diào)節(jié)定向就像“過濾器”， 令其選擇性地加工信息（Wang amp; Lee， 2006）。在評估策略階段， 促進定向的個體傾向于采取啟發(fā)式策略以簡化評估過程， 而預防定向的個體傾向于采用系統(tǒng)性策略以提高準確性（Wan et al.， 2009）。因此， 本項目將個體的調(diào)節(jié)定向作為一種動機系統(tǒng)納入對隱私披露感知風險和收益的有限理性決策。App的隱私披露既包括在使用之初的隱私授權請求， 也包括在使用中的自我信息披露與分享。通過探究調(diào)節(jié)定向對于個體隱私披露決策模式的作用范圍， 能夠更加深刻地解釋隱私披露的心理機制。

2.2.1" 調(diào)節(jié)匹配對隱私披露的影響

正如前文所及， 個體在面對決策時往往表現(xiàn)出“有限理性”的特點， 隱私披露本質上是衡量收益和風險的決策過程。研究表明， 有限理性的個體決策特別是風險偏好常常會因為信息的表達方式而發(fā)生變化（聶春艷 等， 2018）。相同含義的信息通過不同的表述形式與措辭進行傳遞， 能夠使信息接收者產(chǎn)生不同的認知與判斷， 從而提升語言的說服力， 實現(xiàn)有效的信息傳遞（李曉明， 譚譜， 2018）。風險選擇框架包括獲得框架和損失框架兩類， 前者的信息表述強調(diào)事件的獲益或積極后果; 后者的信息表述強調(diào)如果不進行該事件所產(chǎn)生的風險和損失?？蚣苄獙οM者行為決策至關重要， 個體的調(diào)節(jié)定向會影響其偏好的信息框架類型。一些研究表明獲得框架比損失框架更能提高個體對信息感知的有效性（van de Velde et al.， 2010）。獲得框架保持了行為的自由感且降低了強迫性感受， 而損失框架限制了行為自由的并具有高度強迫感（Niesta et al.， 2016）， 會引發(fā)強烈的負面情緒和恐懼覺醒。另一些研究則發(fā)現(xiàn)， 相比于獲得框架， 則發(fā)現(xiàn)消費者在面對強調(diào)負面環(huán)境后果的損失框架時有更強的使用環(huán)保型生物燃料的意愿（Moon et al.， 2016）。因此哪一種信息框架更能有效增強消費者響應， 學術界尚未得到統(tǒng)一的結論（McDonald et al.， 2021）。以上研究矛盾的原因之一是沒有考慮個體自身特質對框架效應的影響。調(diào)節(jié)定向便是對信息框架敏感的重要個體特質， 不同調(diào)節(jié)定向個體的感知風險水平對信息框架產(chǎn)生了調(diào)節(jié)作用（Lee amp; Aaker， 2004）：獲得框架在促進定向個體的低風險感知下更有效; 反之損失框架在預防定向個體的高風險感知下更有效， 這就是調(diào)節(jié)匹配效應在信息框架上的體現(xiàn)。

前景理論（Kahneman amp; Tversky， 1979）指出， 個體不同的特質決定了其決策所采取的效用函數(shù)。近年來在實際應用中， 越來越多的互聯(lián)網(wǎng)服務提供商開始在信息內(nèi)容與其接受者之間建立關聯(lián)（Teeny et al.， 2020）， 針對用戶的信息匹配被認為是最可靠和有效的助推策略（Carpenter， 2012; Noar et al.， 2007; Rothman et al.， 2020）， 基于個體的大五人格特質（Shumanov et al.， 2022）、認知需求（See et al.， 2009）、權利需求（Moon， 2002）、感覺尋求特質（Self amp; Findley， 2010）匹配對信息接受意愿有顯著提升， 但這些研究往往關注消費者選擇產(chǎn)品時的廣告信息匹配對其購買意向的影響， 尚未發(fā)現(xiàn)有研究將基于用戶的調(diào)節(jié)匹配應用于隱私披露相關領域。同時， 亦有研究者指出， 過于精準的個性化匹配效果可能會適得其反， 讓用戶產(chǎn)生被監(jiān)控、操縱之感， 從而對服務提供商產(chǎn)生反感（Kosinski et al.， 2013）。因此， 基于用戶調(diào)節(jié)匹配的隱私授權信息框架能否促進用戶的隱私披露， 是一個值得探究的問題， 亦將為理解用戶面對隱私授權信息“助推”時的決策機制提供更加全面的視角。

3" 研究構想

本項目將用戶的隱私披露授權視為一個決策過程， 利用調(diào)節(jié)定向和調(diào)節(jié)匹配理論作為整體研究框架， 探討個體的調(diào)節(jié)定向對其隱私披露決策的影響， 并在此基礎上考察調(diào)節(jié)匹配的授權信息對隱私披露的促進機制。具體而言， 本項目擬開展3項子研究：研究1探討不同調(diào)節(jié)定向的個體對隱私授權信息在決策偏好和決策評估上的差異; 研究2在此基礎上通過行為和眼動實驗考察調(diào)節(jié)匹配效應對個體隱私披露決策的促進效果及作用機制; 研究3則在群體層面， 基于微博用戶公開的原創(chuàng)文本內(nèi)容和個人簡介信息， 構建用戶調(diào)節(jié)定向識別模型和隱私披露指標體系并通過算法獲得群體層面二者的關聯(lián)。

3.1" 研究1：調(diào)節(jié)定向對個體對隱私披露決策的影響

根據(jù)調(diào)節(jié)定向理論， 促進定向的個體內(nèi)在的成長和發(fā)展需要會試圖尋找積極的結果來達到自己的目的或標準。手機App作為移動互聯(lián)網(wǎng)的產(chǎn)物， 用戶信息披露所帶來的社會資本（如獲得更多的朋友關注）和使用價值（更精準的推薦、更優(yōu)化的體驗）等是促進定向用戶獲取利益和積極結果的一種方式（Dienlin amp; Trepte， 2015）; 反之， 預防定向的個體內(nèi)在的安全需要會激勵其尋找負面結果的存在， 他們更傾向于通過減少自己的信息披露避免負面結果的產(chǎn)生（吳茜， 姚樂野， 2022）。但是， 由于隱私悖論的存在， 問卷研究的結果在一定程度上不可避免與用戶真實的隱私披露決策有所偏離（Song et al.， 2021）。因此， 研究1將通過情境模擬App下載的行為實驗， 考察在App下載使用之初的隱私授權階段， 不同調(diào)節(jié)定向的個體是否也表現(xiàn)出了和前述研究一致的信息披露偏好。綜合以上陳述， 研究1提出如下假設：

H1：在App下載后的隱私授權請求階段， 相比于預防定向的個體， 促進定向的個體有更高的隱私授權率和更強的披露意愿。

在獲得了不同調(diào)節(jié)定向個體對隱私披露意愿的差異后， 本項目將探究這種差異背后的決策模式。基于隱私計算理論的基本觀點， 用戶在進行隱私信息授權的決策前， 會對隱私泄露造成的損失和隱私披露帶來的收益進行權衡， 當感知到的收益大于觀察到的風險時， 就會選擇披露個人信息（Vishwanath et al.， 2018）。一些研究表明， 調(diào)節(jié)定向類型對于個體風險和收益的評估有重要影響。預防定向的個體更關注如何采取所有必要措施來避免損失; 而促進定向的個體更關注如何采取各種可能的方式以獲得收益（Higgins， 1997）。大腦額葉皮層對于特定動機和情緒活動表現(xiàn)出的不對稱性是這種差異的神經(jīng)生理學基礎：與收益相關的動機和情緒會提高左半腦額葉皮層的興奮性， 而與損失相關的動機和情緒會提高右半腦相同區(qū)域的興奮性（Davidson amp; Irwin， 1999）。Amodio等人（2004）的研究表明：促進定向個體的左額葉皮層基線活動強度相對較高， 而預防定向個體的右額葉皮層基線活動強度相對較高。上述研究均表明， 相比于預防定向的個體， 促進定向的個體對于收益更加敏感。

相關問卷研究將隱私披露的風險和收益通過不同的題項分別呈現(xiàn)讓被試進行評估。然而， 個體的真實決策往往需要在二者沖突下進行權衡， 比如是否愿意用更多的隱私披露度換取更大的收益， 并承擔更多的潛在風險。目前眾多App搭載的個性化推薦系統(tǒng)算法基于用戶的特征與行為數(shù)據(jù)構建模型， 對信息進行過濾和篩選， 從而“投其所好”地為用戶匹配產(chǎn)品與服務（Liu et al.， 2013）。影響推薦系統(tǒng)效果的關鍵因素是數(shù)據(jù)的規(guī)模與質量：一方面， 為了提升算法的準確性與遷移性， App需要盡可能多地獲取用戶的數(shù)據(jù)以提升推薦效果。著名人工智能學者吳恩達（Andrew Ng）曾指出：“80%的數(shù)據(jù) + 20%的模型 = 更好的機器學習?！绷硪环矫妫?對于固定的算法模型而言， 用戶的數(shù)據(jù)越豐富、質量越高， 推薦模型的效果就越好。因此精準的推薦需要大量的用戶數(shù)據(jù)授權作為支撐， 而這又似乎更加重了用戶隱私擔憂問題， 形成了兩難境地：在實際的使用中， 如果用戶允許App開發(fā)商采集更多的數(shù)據(jù)和權限， 則能夠更精準地推測其偏好， 從而提供更加準確的推薦服務， 但是信息被濫用和盜用的風險也會隨之增加（周俊等， 2019）。

因此， 和問卷法分別設置不同的風險和收益題項不同， 本項目將直接把隱私披露和對應的風險或收益同時呈現(xiàn)在一個選項中， 采用決策相關研究中的滴定法（titration procedure）設計實驗量化被試在披露度下對應的風險及收益大小， 通過讓被試完成一系列選擇來推導兩個選項在心理上的無差別點。該方法常被用于跨期決策和風險決策的相關研究中， 陳嘉欣和何貴兵（2015）通過一系列實驗表明在環(huán)境領域的跨期決策問題中， 采用滴定法能讓被試基于結果的心理價值進行判斷， 而不會出現(xiàn)偏好于特定拐點位置或數(shù)值的現(xiàn)象。綜上所述， 本項目基于前人調(diào)節(jié)定向與風險偏好的相關問卷研究結果， 提出如下假設：

H2：相比于預防定向， 促進定向的個體傾向于獲得更高的隱私披露收益， 并且承擔更高的隱私披露風險。

3.2" 研究2：調(diào)節(jié)匹配對個體隱私披露意愿的影響

研究1對不同調(diào)節(jié)定向用戶的隱私披露授權決策進行了刻畫， 研究2希望探究基于個體的調(diào)節(jié)定向特點對授權信息進行匹配以推動其隱私授權意愿。根據(jù)使用與滿足理論（Katz et al.， 1973）， 個體內(nèi)在的需求激發(fā)其主動選擇和使用媒介， 并對媒介提供的產(chǎn)品或服務對需求的滿足程度進行評估。調(diào)節(jié)定向作為個體的重要動機系統(tǒng)， 在這一評估和匹配中發(fā)揮著重要作用（Teeny et al.， 2020）。個體在接收到與自己調(diào)節(jié)定向一致的信息框架時會體驗到調(diào)節(jié)匹配， 是由于不同聚焦方式的信息框架表達能自動激發(fā)個體相應的調(diào)節(jié)點（促進vs預防）。相關消費者心理學研究表明， 促進定向的個體對強調(diào)收益的廣告有更積極的評價， 預防定向的個體對強調(diào)不購買的損失的廣告有更積極的評價， 并且感知有效性、正確性等變量在調(diào)節(jié)匹配和廣告評價間起中介作用（Lee amp; Aaker， 2004; Updegraff amp; Rothman， 2013）。最近， 一些App開發(fā)商已經(jīng)開始調(diào)整授權請求信息的表述以提升用戶隱私披露的意愿， 一項針對授權時間和信息框架匹配效應對隱私披露意愿影響的研究表明， 提前授權時， 損失框架的隱私授權信息通過降低感知不確定性從而具有更高的說服性（潘定， 謝菡， 2020）。感知不確定性是個體對不能預測決策可能產(chǎn)生的結果以及未來事件發(fā)生概率的感知（Wang et al.， 2019）。感知不確定性會引起風險感知， 個體普遍傾向于規(guī)避不確定性（壽志鋼， 鄭偉華， 2017）。相比于直接詢問被試的風險感知程度， 感知不確定性是反映風險感知的較好指標。因此， 感知風險既是影響不同調(diào)節(jié)定向個體隱私披露決策偏好的內(nèi)在變量， 也是調(diào)節(jié)匹配與隱私披露意愿的中介機制。但是學界目前將個體的調(diào)節(jié)定向與信息特征框架進行匹配以用于隱私授權流程的研究尚較為缺乏。綜上所述， 研究2基于調(diào)節(jié)定向匹配效應在前述傳統(tǒng)行業(yè)的研究結果， 提出如下假設：

H3：調(diào)節(jié)定向和信息框架的交互作用會影響個體的隱私披露意愿和感知不確定性。

H3a：相比于預防定向的個體， 促進定向的個體對于獲得框架的授權材料有更大的隱私披露意愿。

H3b：相比于促進定向的個體， 預防定向的個體對于損失框架的授權材料有更大的隱私披露意愿。

H4：感知不確定性在調(diào)節(jié)匹配條件與隱私披露意愿之間起中介作用。

如果調(diào)節(jié)匹配對個體的隱私披露意愿有促進效應， 本項目希望進一步探究個體對這種調(diào)節(jié)匹配信息的加工方式。Petty和Cacioppo （1986）提出了詳盡可能性模型（Elaboration Likelihood Model， ELM）以解釋說服過程中個體的信息加工機制， 區(qū)分了個體對說服信息的加工精細化程度， 是在說服領域被廣泛證實和應用的經(jīng)典模型之一。ELM處于低精細化加工水平的個體將說服信息僅僅當做一種線索（cue）; 而處于高精細化加工水平的個體將把說服信息看作一種觀點（argument）。探明個體對說服信息的精細加工水平是十分重要的， 在高精細化加工水平下， 信息對個體的說服效果更持久（Teeny et al.， 2020）。

關于調(diào)節(jié)匹配信息的加工精細化水平， 前人的研究存在一定爭議。一種觀點認為， 調(diào)節(jié)匹配信息引起了個體更高的精細化加工水平， 而非調(diào)節(jié)匹配信息的精細化加工水平則較低。在調(diào)節(jié)匹配條件下， 個體對于獲得框架的信息有更高的參與度， 對于損失框架的信息則有更高的警覺性（Lee amp; Aaker， 2004）。信息觀點說服性的強弱通過不同的精細化加工水平對說服效果產(chǎn)生影響。一項針對健康信息的實驗研究發(fā)現(xiàn)， 在調(diào)節(jié)匹配條件下， 個體對于健康信息的感知和評估受到信息觀點說服性強弱的影響， 對于說服性強的健康信息有更積極的評估態(tài)度和選擇傾向; 而在非調(diào)節(jié)匹配條件下則沒有表現(xiàn)出這種差異性。這一結果表明， 調(diào)節(jié)匹配條件下， 個體仔細評估信息的內(nèi)容， 采用了更系統(tǒng)的加工方式， 因此對于說服性強弱不同的觀點在選擇傾向上形成了差異; 而在非調(diào)節(jié)匹配條件下， 個體沒有進行細致的思考， 無法區(qū)分觀點的強弱（Updegraff et al.， 2007）。然而也有研究發(fā)現(xiàn)相比于調(diào)節(jié)匹配， 個體對于非調(diào)節(jié)匹配信息有更高的精細化加工水平。非調(diào)節(jié)匹配條件下， 個體的狀態(tài)被打擾， 感受到了不確定性， 從而促使其對信息進行仔細審查（Levine et al.， 2016）。Koenig等人（2009）的一系列實驗表明， 調(diào)節(jié)匹配使得個體更依賴于專家信息， 傾向于啟發(fā)式的信息加工; 非調(diào)節(jié)匹配條件下個體則會對信息觀點進行更多的論證， 傾向于系統(tǒng)式的信息加工。近期的一項研究發(fā)現(xiàn)個體的動機水平是調(diào)節(jié)匹配條件與加工精細化水平的調(diào)節(jié)變量。在高動機水平下， 調(diào)節(jié)匹配信息引起了個體對信息更長時間的關注、更仔細的搜索和更精細的加工， 而在低動機水平下， 非調(diào)節(jié)匹配信息反而引起了個體更仔細的搜索和更精細的加工（Lee et al.， 2019）。對于高動機個體而言， 調(diào)節(jié)匹配與否本身就構成了與信息相關的一部分， 由于匹配信息會引起個體關聯(lián)性的提升， 個體在信息加工中卷入度會提高或者信息加工的能力會增強（Petty et al.， 1988）; 對于低動機個體而言， 調(diào)節(jié)匹配作為一種啟發(fā)式線索， 幫助個體進行快速的信息加工， 調(diào)節(jié)不匹配則導致個體產(chǎn)生“錯誤感” （Aaker amp; Lee， 2006）， 從而進行全面的信息加工（Koenig et al.， 2009）。本項目涉及的App隱私授權場景是發(fā)生在個體主動下載App后， 個體處于使用App的較高動機水平。一項研究表明， 當受激勵完成任務時， 調(diào)節(jié)匹配使得個體保持在較高的動機狀態(tài)中以便投入任務中（Vaughn et al.， 2006）。綜上所述， 本項目假設個體對于調(diào)節(jié)匹配的隱私授權信息有著更高的精細化加工水平。

為了驗證上述假設， 本項目也采用相關研究的如下范式區(qū)分加工精細化程度：將每種信息框架的信息材料設計強、弱兩種說服強度， 如果在調(diào)節(jié)匹配條件下， 個體對強說服力的材料有更大的接受程度; 而在非調(diào)節(jié)匹配的條件下， 個體對強弱說服力的材料接受程度無顯著差異， 則說明個體對調(diào)節(jié)匹配授權信息采用了高精細化加工， 反之則說明個體采用的是低精細化加工（Updegraff et al.， 2007）。ELM指出， 精細化加工水平的影響包括了情感層面（個體的感受和情緒）、行為層面（基于情感所采取的行動）和認知層面（個體的想法和認知）。在隱私授權的情景下， 對于調(diào)節(jié)匹配授權信息的高精細化加工在認知層面也會使得用戶的感知風險降低。因此本項目將探究在隱私授權這一情境下， 個體對調(diào)節(jié)匹配的隱私授權信息是否也表現(xiàn)出了更精細的加工程度， 引起了在行為層面的更強的隱私披露意愿， 及在認知層面對匹配信息更低的感知不確定性， 提出如下假設：

H5：隱私授權材料的調(diào)節(jié)匹配和說服力強弱的交互作用會對個體的隱私披露意愿和感知不確定性產(chǎn)生影響。

H5a：當隱私授權材料信息框架和個體的調(diào)節(jié)定向匹配時， 個體對于強說服的隱私授權材料有更大的隱私披露意愿和感知不確定性。

H5b：當隱私授權材料信息框架和個體的調(diào)節(jié)定向不匹配時， 隱私授權材料的說服性強弱對于個體的隱私披露意愿和感知不確定性無顯著影響

通過行為實驗發(fā)現(xiàn)需求匹配信息會引起個人更高精細化的加工水平， 而眼動數(shù)據(jù)提供了另一個視角的證據(jù)。對刺激材料的眼動軌跡受個體內(nèi)化的認知模型驅動， 由其自上而下的認知加工模式形成， 反映了大腦對視覺刺激的加工順序和整體動態(tài)（Noton amp; Stark， 1971）。一般而言， 用戶對自己感興趣的內(nèi)容注視時間較長， 對自己不感興趣的內(nèi)容注視時間較短。相關研究表明， 興趣區(qū)域內(nèi)的注視次數(shù)和注視時間能夠反映個體獲得信息量以及對刺激物的加工深度（García et al.， 2000）。

已有相關的眼動研究表明， 注視點時長是反映加工水平的可靠指標， 隨著任務難度的增加， 注視點時長也越長（Horstmann et al.， 2009）。周蕾等（2019）對風險決策的眼動研究中， 選擇了單個注視點的平均時長作為衡量加工復雜度的指標。此外， 已有的消費心理學相關眼動研究表明， 個體對廣告的注視次數(shù)越多說明對廣告的信息加工越好（Yaveroglu amp; Donthu， 2008）。一些眼動研究采用決策前注視的選項特征數(shù)量衡量加工深度（周蕾 等， 2019）。綜上所述， 個體對調(diào)節(jié)匹配隱私授權信息更高的精細加工水平也將體現(xiàn)在注視時長和次數(shù)相關的眼動指標中。因此， 本研究將通過眼動追蹤實驗， 采集不同調(diào)節(jié)定向的個體對兩種信息框架的隱私授權信息的上述注視次數(shù)和注視時間指標， 以考察個體對調(diào)節(jié)匹配授權信息的注意程度和加工深度， 提出如下假設：

H6：當隱私授權材料信息框架和個體的調(diào)節(jié)定向匹配時， 個體對授權信息的注視時間更長， 決策前注視的選項特征數(shù)量更多。

3.3" 研究3：基于微博數(shù)據(jù)的個體調(diào)節(jié)定向與隱私披露關聯(lián)分析

雖然已有問卷研究表明， 促進定向的個體會選擇在社交網(wǎng)站上披露更多的個人信息（沈旺 等， 2020）， 但自我報告的數(shù)據(jù)顯然會由于社會期望等因素和實際行為間存在偏差（喻豐 等， 2015）。而研究1、2的行為實驗也不能完全代表用戶的真實使用行為。因此， 研究3將以用戶公開的微博文本為基礎， 通過對文本內(nèi)容的計算衡量其真實的隱私披露程度， 并建立與調(diào)節(jié)定向的關聯(lián)， 通過對大量微博用戶調(diào)節(jié)定向與隱私披露度行為數(shù)據(jù)的關聯(lián)性分析， 從群體層面驗證相比預防定向， 促進定向是否與更高的隱私披露行為相關聯(lián)。

用戶在原創(chuàng)文本中， 能夠更加真實和自然地表露自己的所思所想。近年來隨著機器學習文本分析技術的不斷發(fā)展， 越來越多的研究表明， 基于用戶原創(chuàng)文本內(nèi)容可以推測其心理特質。大數(shù)據(jù)研究的數(shù)據(jù)類型包括行為數(shù)據(jù)和文本數(shù)據(jù)兩大類， 前者通過收集用戶的相關使用行為記錄， 后者主要的主要來源是爬取用戶產(chǎn)生內(nèi)容（User Generated Content） （孫淑蘭， 黃翼彪， 2012）。用戶的原創(chuàng)文本往往包含與動機、情緒相關的描述， Johnsen等人（2014）的研究將情緒詞的使用作為調(diào)節(jié)定向的區(qū)分依據(jù)， 選取了Pennebaker等人（1990）開發(fā)的“語言探索與字詞計數(shù)” （Linguistic Inquiry and Word Count， LIWC）詞典中的“Dejection ? Elation”類別作為促進定向的特征詞庫， “Agitation ? Quiescence”類別作為預防定向的特征詞， 通過對二者的詞頻分析區(qū)分不同的調(diào)節(jié)定向群體。但是該研究存在以下問題：1）調(diào)節(jié)定向包括個體情緒、動機、目標在內(nèi)的綜合特質， 僅僅通過兩類情緒詞作為區(qū)分調(diào)節(jié)定向的標準， 是不夠準確和全面的。2）該研究缺少外部效度的驗證， 即沒有對模型識別出的不同調(diào)節(jié)定向個體進行準確性驗證。針對上述問題， 研究3將采用心理特質預測相關研究中的范式， 結合問卷測量和機器學習兩種方法建立分類模型。首先收集一部分用戶的調(diào)節(jié)定向問卷數(shù)據(jù)及對應的微博文本內(nèi)容。然后將問卷分數(shù)作為模型的真值， 文本內(nèi)容提取包括情感、社會歷程、認知等和調(diào)節(jié)定向相關的詞頻作為輸入特征。最后機器學習模型將自動建立輸入特征對調(diào)節(jié)定向類別的預測系數(shù)， 并輸出模型的預測效果。

社交類App的隱私相關決策不僅僅發(fā)生在授權階段， 也體現(xiàn)在用戶日常的使用行為中。大數(shù)據(jù)時代下， 數(shù)據(jù)記錄了個體行為的痕跡（喻豐 等， 2015）。用戶在社交媒體中的文本和行為痕跡將為分析其真實的隱私披露行為提供有效的線索。本項目基于微博的使用場景， 將通過分析用戶微博個人簡介和原創(chuàng)文本兩部分數(shù)據(jù)的來構建用戶的隱私披露指標體系。個人微博簡介的隱私披露度計算將依據(jù)Banczyk等人（2008）的人工編碼方案， 通過編寫計算機代碼自動采集和計算用戶個人信息隱私披露得分。該方案的核心是計算用戶對各種需要披露自我相關信息的條目是否做出了回應（如：年齡、性別）， 以及在一些條目上的回應程度（如：興趣標簽的數(shù)量）。用戶的原創(chuàng)微博文本中也會進行自我相關信息的披露， 這種隱私披露的表現(xiàn)形式相對更為內(nèi)隱。本項目中采用舒聰（2018）提出的微博文本信息披露度內(nèi)容分析方案對原創(chuàng)微博內(nèi)容中與自我披露相關的內(nèi)容進行分析， 計算用戶的文本隱私披露得分。因此， 每個用戶總體隱私披露總分包括個人信息隱私披露得分和文本隱私披露得分兩部分。

在獲得了微博用戶群體的調(diào)節(jié)定向類型和隱私披露度后， 研究3將采用機器學習的關聯(lián)分析算法Apriori對以上數(shù)據(jù)進行分析， 探索調(diào)節(jié)定向類型和隱私披露程度的關聯(lián)規(guī)則（Association rules）和頻繁項集（Frequent item sets）。其中， 關聯(lián)規(guī)則指基于大量數(shù)據(jù)獲得的調(diào)節(jié)定向類型與隱私披露程度之間的關系， 而這兩者頻繁出現(xiàn)的組合稱為頻繁項集， 例如{預防定向vs低自我信息披露度}。再從頻繁項集中找出同時滿足最小支持度閾值和最小置信度閾值（Minimum Confidence）的規(guī)則即強規(guī)則。因此， 基于前述相關問卷和行為研究結果， 研究3提出如下假設：

H7：在群體層面， 微博用戶的促進定向與高隱私披露度為強關聯(lián)規(guī)則

H8：在群體層面， 微博用戶的預防定向與低隱私披露度為強關聯(lián)規(guī)則

4" 理論構建

本文采用調(diào)節(jié)定向和調(diào)節(jié)匹配理論作為理解App隱私授權助推機制的整體框架。消費心理學的研究領域中， 調(diào)節(jié)定向和調(diào)節(jié)匹配理論被廣泛應用于商品營銷信息說服效果的相關研究， 并發(fā)現(xiàn)當廣告信息（積極vs消極）與個體的調(diào)節(jié)定向匹配時， 消費者會對自己的購買決策產(chǎn)生更高的價值感， 從而更容易被廣告信息說服并強化其購買行為意向（Awad amp; Krishnan， 2006）。隨著移動互聯(lián)網(wǎng)時代數(shù)字經(jīng)濟的飛速發(fā)展， 在“數(shù)據(jù)即資源”的需求牽引下， 數(shù)據(jù)成了一種無形但重要的“商品”。App用戶的隱私信息授權行為日益頻繁、更日漸重要， 這一行為本質上是一種說服用戶讓渡自己的個人信息， 以獲得相應的服務和體驗的過程。目前隱私披露領域中， 鮮有研究關注到個體的隱私授權行為如何受調(diào)節(jié)匹配的影響。隱私披露和調(diào)節(jié)定向之間的在一些問卷研究中關系有初步的證實， 但缺乏深入的機制研究。本項目嘗試構建理論機制模型（如圖1所示）， 提出不同調(diào)節(jié)定向類型的個體對隱私披露風險和收益的評估存在差異， 從而影響對隱私披露的意愿。調(diào)節(jié)定向類型和信息框架類型的匹配條件通過影響個體信息加工水平和感知風險推動個體的隱私披露決策。

首先， 調(diào)節(jié)定向作為一種反映個體考慮“獲得”與“損失”之間傾向的一種特質， 對其一系列決策行為有著重要影響。而隱私披露本質上個體對自身隱私授權收益和隱私泄露風險進行考量的過程， 因此本項目認為用戶自身的調(diào)節(jié)定向類型導致其產(chǎn)生不同的隱私風險偏好， 并且也將量化地表征不同調(diào)節(jié)定向類型個體隱私風險的評估與權衡特點（研究1）。在明確了調(diào)節(jié)定向與對隱私披露的影響后， 進一步考慮信息框架與調(diào)節(jié)定向形成的匹配條件， 即是否當個體的調(diào)節(jié)定向類型與授權信息框架類型相匹配時， 個體對信息的接受意愿更強。在此基礎上檢驗個體的感知風險水平對隱私披露意愿的中介作用以及加工精細化水平的差異（研究2）。綜上， 研究1和研究2在個體層面， 探討了調(diào)節(jié)定向特征以及信息框架類型如何通過影響感知風險來影響App用戶的隱私披露意愿， 可以為檢驗群體層面的數(shù)據(jù)提供基礎。研究3將基于公開社交平臺的群體用戶數(shù)據(jù)， 從簡介信息披露行為和文本自我呈現(xiàn)行為兩個維度表征隱私披露。然后通過機器學習分類模型， 挖掘不同調(diào)節(jié)定向個體在動機表達、情緒表達、社會歷程等方面語言特征的差異。最后基于對調(diào)節(jié)定向和隱私披露行為進行了關聯(lián)分析（研究3）。綜上所述， 本項目將較為系統(tǒng)地探討調(diào)節(jié)定向影響隱私披露的內(nèi)在機制（感知風險）和作用條件（信息框架、加工水平）。研究的主要理論推進之處如下：

首先， 明確調(diào)節(jié)定向和調(diào)節(jié)匹配對隱私披露的決策模式和驅動機制。前人研究雖然對影響隱私披露的因素種類和作用效果進行了細致的分析， 但是個體層面因素與場景層面因素往往被割裂為兩條獨立的研究思路， 從而忽視了個體“有限理性”的決策特點以及授權場景與心理特質的相互作用。因此本項目以風險與收益的權衡為核心， 采用風險決策范式中的滴定法來定量地評估不同調(diào)節(jié)定向個體對隱私收益和風險的感知差異。在此基礎上， 將傳統(tǒng)研究對信息與個體的單向計算轉變?yōu)楹饬慷哒{(diào)節(jié)定向與信息框架的雙向匹配， 探究基于調(diào)節(jié)匹配的隱私授權設計對個體隱私?jīng)Q策的助推作用。助推的本質正是基于個體的特質， 設計選擇框架以引導人們做出更好的選擇（趙寧 等， 2022）。因此， 在合理合規(guī)的前提下， 推動個體對隱私授權信息的正確理解， 可以減少信息的不對稱性， 有助于推動數(shù)據(jù)資源的利用。已有研究表明， 網(wǎng)頁安全警告信息的助推設計可以有效地引導個體后續(xù)的使用行為（Acquisti et al.， 2017）。因此隱私授權請求信息框架與個體調(diào)節(jié)定向的匹配也將能夠促進隱私披露。在此基礎上檢驗個體對調(diào)節(jié)匹配的App隱私授權信息的加工機制。綜上， 探討調(diào)節(jié)定向與信息框架的匹配會如何影響用戶對風險的感知和信息加工的水平， 進而對隱私披露意愿產(chǎn)生影響。這樣的研究視角更進一步凸顯了調(diào)節(jié)定向對隱私披露的底層作用機制及其與信息框架之間的密切聯(lián)系。

其次， 在決策評估、決策偏好、實際決策行為三個層面較為完整地考察了調(diào)節(jié)定向對于隱私披露的影響。以往隱私披露相關研究多圍繞決策偏好展開， 對決策評估和實際決策行為的探索較少。本項目通過綜合多種研究手段， 探究調(diào)節(jié)定向對隱私披露整體決策過程的影響。對于決策偏好， 通過模擬情境實驗評估相比于預防定向， 促進定向的個體是否具有更強的隱私披露意愿。圍繞決策評估， 通過滴定法定量地表征不同調(diào)節(jié)定向的個體在隱私授權決策中主觀相等點的差異。針對實際決策行為， 通過數(shù)據(jù)挖掘、機器學習等相關技術采集并分析基于社交App用戶群體的真實文本與行為數(shù)據(jù)， 分析促進定向的個體是否在App使用中表現(xiàn)出了更多的隱私披露行為。以上研究有助于揭示調(diào)節(jié)定向對個體隱私披露決策階段的作用特點。

最后， 在群體層面為隱私授權的相關研究提供新的視角。Belanger和Crossler （2011）對隱私相關的文獻進行回顧后提出， 現(xiàn)有的研究大多數(shù)是基于個體層面， 應該有更多的研究在群體、組織及社會的宏觀層面展開。本項目在研究1、2中發(fā)揮實驗研究在控制變量、解釋因果方面的優(yōu)勢， 在個體層面探究了調(diào)節(jié)定向和調(diào)節(jié)匹配在個體隱私授權中的作用。研究3采用數(shù)據(jù)挖掘和機器學習相關技術增加研究的生態(tài)效度， 減少已有研究在樣本量和生態(tài)效度的不足， 以期為調(diào)節(jié)定向和隱私披露的相關理論補充來自群體層面的結論。此外， 和前人研究中往往只是單一采集被試的行為或問卷數(shù)據(jù)不同， 研究3采集了個體App實際使用過程中披露的相關信息， 包括外顯層面的個人簡介和內(nèi)隱層面的文本內(nèi)容， 從而更加立體、多維地呈現(xiàn)隱私披露與調(diào)節(jié)定向的關聯(lián)， 據(jù)此開發(fā)的用戶調(diào)節(jié)定向文本分析模型和隱私披露行為指標體系可以為后續(xù)研究提供測量工具的參考。

總而言之， 本項目在個體和群體兩個層面， 構建了基于調(diào)節(jié)定向的視角的App用戶隱私披露影響機制模型， 闡釋了隱私披露的整體決策過程及其中感知風險、信息框架、加工水平的作用， 深化了調(diào)節(jié)定向和隱私披露領域的理論研究。數(shù)字經(jīng)濟時代， 海量的個人數(shù)據(jù)是把雙刃劍， 其機遇和風險并存。明確調(diào)節(jié)定向對隱私披露的作用條件與機制， 能夠為數(shù)據(jù)采集方提供參考， 在合理合規(guī)的前提下減少隱私授權過程中的不對稱性， 讓用戶充分感知并理解數(shù)據(jù)采集的目的， 為數(shù)據(jù)經(jīng)濟與社會價值的發(fā)揮提供來自心理學層面的助力。

參考文獻

陳嘉欣， 何貴兵. （2015）. 環(huán)境結果時間折扣的測量： 匹配法和滴定法的比較. 應用心理學， 21（1）， 12?20.

李曉明， 譚譜. （2018）. 框架效應的應用研究及其應用技巧. 心理科學進展， 26（12）， 2230?2237.

聶春艷， 汪濤， 趙鵬， 崔楠. （2018）. 解釋框架對文化混搭產(chǎn)品評價的影響——比較焦點和解釋策略的調(diào)節(jié)效應. 心理學報， 50（12）， 1438?1448.

潘定， 謝菡. （2020）. 授權時間和信息框架的匹配效應對隱私披露意愿的影響. 外國經(jīng)濟與管理， 42（11）， 81?93.

邱均平， 李艷紅. （2012）. 社交網(wǎng)絡中用戶隱私安全問題探究. 情報資料工作， （6）， 34?38.

沈旺， 高雪倩， 代旺， 楊博全. （2020）. 基于解釋水平理論與調(diào)節(jié)定向理論的社交網(wǎng)絡隱私悖論研究. 情報科學， 38（8）， 12?127.

壽志鋼， 鄭偉華. （2017）. 基于不確定性的促銷策略研究： 理論綜述與最新進展. 外國經(jīng)濟與管理， 39（3）， 90?98.

舒聰. （2018）. 成人依戀與社交網(wǎng)絡自我表露的關系 （碩士學位論文）. 西南大學， 重慶.

孫淑蘭， 黃翼彪. （2012）. 用戶產(chǎn)生內(nèi)容（UGC）模式探究. 圖書館學研究， （13）， 33?35.

吳茜， 姚樂野. （2022）. 互聯(lián)網(wǎng)用戶隱私披露行為影響因素研究. 現(xiàn)代情報， 42（6）， 121?131.

楊巧英， 柳武妹， 張東. （2021）. 小標簽， 大作用： 營銷領域中的食品標簽效應. 心理科學進展， 29（9）， 1669? 1683.

姚琦， 樂國安. （2009）. 動機理論的新發(fā)展： 調(diào)節(jié)定向理論. 心理科學進展， 17（6）， 1264?1273.

尹非凡， 王詠. （2013）. 消費行為領域中的調(diào)節(jié)定向. 心理科學進展， 21（2）， 347?357.

喻豐， 彭凱平， 鄭先雋. （2015）. 大數(shù)據(jù)背景下的心理學： 中國心理學的學科體系重構及特征. 科學通報， 60（5-6）， 520?533.

趙寧， 劉鑫， 李紓， 鄭蕊. （2022）. 默認選項設置的助推效果： 來自元分析的證據(jù). 心理科學進展， 30（6）， 1230? 1241.

周俊， 董曉蕾， 曹珍富. （2019）. 推薦系統(tǒng)的隱私保護研究進展. 計算機研究與發(fā)展， 56（10）， 2033?2048.

周蕾， 李愛梅， 張磊， 李紓， 梁竹苑. （2019）. 風險決策和跨期決策的過程比較： 以確定效應和即刻效應為例. 心理學報， 51（3）， 337?352.

朱鵬， 李璐， Gary Marchionini. （2019）. 基于調(diào)節(jié)定向理論的社交網(wǎng)絡用戶信息分享行為研究. 情報學報， 38（3）， 257?265.

Aaker， J. L.， amp; Lee， A. Y. （2006）. Understanding regulatory fit. Journal of Marketing Research， 43（1）， 15?19.

Acquisti， A.， Adjerid， I.， Balebako， R. H.， Brandimarte， L.， Cranor， L. F.， Komanduri， S.， ... Wilson， S. （2017）. Nudges for privacy and security： Understanding and assisting users’ choices online. ACM Computing Surveys， 50（3）， 1?41.

Acquisti， A.， Brandimarte， L.， amp; Loewenstein， G. （2015）. Privacy and human behavior in the age of information. Science， 347（6221）， 509?514.

Amodio， D. M.， Shah， J. Y.， Sigelman， J.， Brazy， P. C.， amp; Harmon-Jones， E. （2004）. Implicit regulatory focus associated with asymmetrical frontal cortical activity. Journal of Experimental Social Psychology， 40（2）， 225? 232.

Awad， N. F.， amp; Krishnan， M. S. （2006）. The personalization privacy paradox： An empirical evaluation of information transparency and the willingness to be profiled online for personalization. MIS Quarterly， 30（1）， 13?28.

Banisar， D.， amp; Davies， S. （1999）. Global trends in privacy protection： An international survey of privacy， data protection， and surveillance laws and developments. John Marshall Journal of Computer amp; Information Law， 18（1）， 1?11.

Banczyk， B.， Kr?¤mer， N.， amp; Senokozlieva， M. （2008， May）. ‘‘The wurst’’ meets ‘‘fatless’’ in MySpace： The relationship between self-esteem， personality， and self- presentation in an online community. Paper Session Presented at the meeting of the International Communication Association， Montreal， Canada.

Belanger， F.， amp; Crossler， R. E. （2011）. Privacy in the digital age： A review of information privacy research in information systems. MIS Quarterly， 35（4）， 1017?1041.

Carpenter， C. J. （2012）. A meta-analysis of the functional matching effect based on functional attitude theory. Southern Communication Journal， 77（5）， 438?451.

Cesario， J.， Corker， K. S.， amp; Jelinek， S. （2013）. A self-regulatory framework for message framing. Journal of Experimental Social Psychology， 49（2）， 238?249.

Cesario， J.， Higgins， E. T.， amp; Scholer， A. A. （2008）. Regulatory fit and persuasion： Basic principles and remaining questions. Social and Personality Psychology Compass， 2（1）， 444?463.

Davidson， R. J.， amp; Irwin， W. （1999）. The functional neuroanatomy of emotion and affective style. Trends in Cognitive Sciences， 3（1）， 11?21.

Dienlin， T.， amp; Trepte， S. （2015）. Is the privacy paradox a relic of the past？ An in-depth analysis of privacy attitudes and privacy behaviors. European Journal of Social Psychology， 45（3）， 285?297.

García， C.， Ponsoda， V.， amp; Estebaranz， H. （2000）. Scanning ads： Effects of involvement and of position of the illustration in printed advertisements. Advances in Consumer Research， 27， 104?109.

Higgins， E. T. （1997）. Beyond pleasure and pain. American Psychologist， 52（12）， 1280?1300.

Higgins， E. T. （2000）. Making a good decision： Value from fit. American Psychologist， 55（11）， 1217?1230.

Horstmann， N.， Ahlgrimm， A.， amp; Gl?ckner， A. （2009）. How distinct are intuition and deliberation？ An eye-tracking analysis of instruction-induced decision modes. Judgment and Decision Making， 4（5）， 335?354.

Johnsen， J. A. K.， Vambheim， S. M.， Wynn， R.， amp; Wangberg， S. C. （2014）. Language of motivation and emotion in an internet support group for smoking cessation： Explorative use of automated content analysis to measure regulatory focus. Psychology Research and Behavior Management， 7， 19?29.

Kahneman， D.， amp; Tversky， A. （1979）. Prospect theory： An analysis of decision under risk. Econometrica， 47（2）， 263? 291.

Katz， E.， Blumler， J. G.， amp; Gurevitch， M. （1973）. Uses and gratifications research. The Public Opinion Quarterly， 37（4）， 509?523.

Koenig， A. M.， Cesario， J.， Molden， D. C.， Kosloff， S.， amp; Higgins， E. T. （2009）. Incidental experiences of regulatory fit and the processing of persuasive appeals. Personality amp; Social Psychology Bulletin， 35（10）， 1342?1355.

Kosinski， M.， Stillwell， D.， amp; Graepel， T. （2013）. Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences， 110（15）， 5802?5805.

Lee， A. Y.， amp; Aaker， J. L. （2004）. Bringing the frame into focus： The influence of regulatory fit on processing fluency and persuasion. Journal of Personality and Social Psychology， 86（2）， 205?218.

Lee， Y.-H.， Getz， B.， amp; Xiao， M. （2019）. Does that sound right？ The effects of regulatory fit and nonfit headline frames on motivated information processing. Communication Monographs， 86（3）， 336?356.

Levine， J. M.， Alexander， K. M.， Wright， A. G.， amp; Higgins， E. T. （2016）. Group brainstorming： When regulatory nonfit enhances performance. Group Processes amp; Intergroup Relations， 19（2）， 257?271.

Li， H.， Sarathy， R.， amp; Xu， H. （2010）. Understanding situational online information disclosure as a privacy calculus. Journal of Computer Information Systems， 51（1）， 62?71.

Liu， H.， He， J.， Wang， T.， Song， W.， amp; Du， X. （2013）. Combining user preferences and user opinions for accurate recommendation. Electronic Commerce Research and Applications， 12（1）， 14?23.

McDonald， K.， Graves， R.， Yin， S.， Weese， T.， amp; Sinnott- Armstrong， W. （2021）. Valence framing effects on moral judgments： A meta-analysis. Cognition， 212， 104703.

Moon， S.， Bergey， P. K.， Bove， L. L.， amp; Robinson， S. （2016）. Message framing and individual traits in adopting innovative， sustainable products （ISPs）： Evidence from biofuel adoption. Journal of Business Research， 69（9）， 3553?3560.

Moon， Y. （2002）. Personalization and personality： Some effects of customizing message style based on consumer personality. Journal of Consumer Psychology， 12（4）， 313? 325.

Mosteller， J.， amp; Poddar， A. （2017）. To share and protect： Using regulatory focus theory to examine the privacy paradox of consumers' social media engagement and online privacy protection behaviors. Journal of Interactive Marketing， 39（1）， 27?38.

Niesta Kayser， D.， Graupmann， V.， Fryer， J. W.， amp; Frey， D. （2016）. Threat to freedom and the detrimental effect of avoidance goal frames： Reactance as a mediating variable. Frontiers in Psychology， 7， 632.

Noar， S. M.， Benac， C. N.， amp; Harris， M. S. （2007）. Does tailoring matter？ Meta-analytic review of tailored print health behavior change interventions. Psychological Bulletin， 133（4）， 673?693.

Noton， D.， amp; Stark， L. （1971）. Scanpaths in saccadic eye movements while viewing and recognizing patterns. Vision Research， 11（9）， 929?942.

Pennebaker， J. W.， Colder， M.， amp; Sharp， L. K. （1990）. Accelerating the coping process. Journal of Personality and Social Psychology， 58（3）， 528?537.

Petty， R. E.， amp; Cacioppo， J. T. （1986）. The elaboration likelihood model of persuasion. Advances in Experimental Social Psychology， 19， 123?205.

Petty， R. E.， Cacioppo， J. T.， amp; Kasmer， J. A. （1988）. The role of affect in the elaboration likelihood model of persuasion. In L. Donohew， H. E. Sypher， amp; E. T. Higgins （Eds.）， Communication， social cognition， and affect （pp. 117?146）. Lawrence Erlbaum Associates， Inc.

Poddar， A.， Mosteller， J.， amp; Ellen， P. S. （2009）. Consumers' rules of engagement in online information exchanges. Journal of Consumer Affairs， 43（3）， 419?448.

Rezgui， A.， Bouguettaya， A.， amp; Eltoweissy， M. Y. （2003）. Privacy on the Web： Facts， challenges， and solutions. IEEE Security amp; Privacy， 1（6）， 40?49

Rothman， A. J.， Desmarais， K. J.， amp; Lenne， R. L. （2020）. Moving from research on message framing to principles of message matching： The use of gain-and loss-framed messages to promote healthy behavior. Advances in Motivation Science， 7， 43?73.

See， Y. H. M.， Petty， R. E.， amp; Evans， L. M. （2009）. The impact of perceived message complexity and need for cognition on information processing and attitudes. Journal of Research in Personality， 43（5）， 880?889.

Self， D. R.， amp; Findley， C. S. （2010）. Sensation seekers as a healthcare marketing metasegment. Health Marketing Quarterly， 27（1）， 21?47.

Shumanov， M.， Cooper， H.， amp; Ewing， M. （2022）. Using AI predicted personality to enhance advertising effectiveness. European Journal of Marketing， 56（6）， 1590?1609.

Song， Y. W.， Lim， H. S.， amp; Oh， J. （2021）. “We think you may like this”： An investigation of electronic commerce personalization for privacy‐conscious consumers. Psychology amp; Marketing， 38（10）， 1723?1740.

Teeny， J. D.， Siev， J. J.， Bri?ol， P.， amp; Petty， R. E. （2020）. A review and conceptual framework for understanding personalized matching effects in persuasion. Journal of Consumer Psychology， 31（2）， 382?414.

Updegraff， J. A.， amp; Rothman， A. J. （2013）. Health message framing： Moderators， mediators， and mysteries. Social and Personality Psychology Compass， 7（9）， 668?679.

Updegraff， J. A.， Sherman， D. K.， Luyster， F. S.， amp; Mann， T. L. （2007）. The effects of message quality and congruency on perceptions of tailored health communications. Journal of Experimental Social Psychology， 43（2）， 249?257.

Utz， S.， amp; Kr?mer， N. C. （2009）. The privacy paradox on social network sites revisited ： The role of individual characteristics and group norms. Journal of Psychosocial Research on Cyberspace， 3（2）， 1?12.

van de Velde， L.， Verbeke， W.， Popp， M.， amp; van Huylenbroeck， G. （2010）. The importance of message framing for providing information about sustainability and environmental aspects of energy. Energy Policy， 38（10）， 5541?5549.

Vaughn， L. A.， O’Rourke， T.， Schwartz， S.， Malik， J.， Petkova， Z.， amp; Trudeau， L. （2006）. When two wrongs can make a right： Regulatory nonfit， bias， and correction of judgments. Journal of Experimental Social Psychology， 42（5）， 654?661.

Vishwanath， A.， Xu， W.， amp; Ngoh， Z. （2018）. How people protect their privacy on Facebook： A cost‐benefit view. Journal of the Association for Information Science and Technology， 69（5）， 700?709.

Wan， E. W.， Hong， J. W.， amp; Sternthal， B. （2009）. The effect of regulatory orientation and decision strategy on brand judgments. Journal of Consumer Research， 35（6）， 1026? 1038.

Wang， J.， amp; Lee， A. Y. （2006）. The role of regulatory focus in preference construction. Journal of Marketing Research， 43（1）， 28?38.

Wang， Y.， Wang， Y.， Xie， L.， amp; Zhou， H. （2019）. Impact of perceived uncertainty on public acceptability of congestion charging： An empirical study in China. Sustainability， 11（1）. 129

Westin， A. （1967）. Privacy and freedom （p.7）. New York： Atheneum.

Wijesekera， P.， Baokar， A.， Hosseini， A.， Egelman， S.， Wagner， D.， amp; Beznosov， K. （2015）. Android permissions remystified： A field study on contextual integrity. In J. Y. Jung （Eds.）， Proceedings of the 24th USENIX Conference on Security Symposium （pp. 499?514）. Berkeley， CA： USENIX Association.

Yaveroglu， I.， amp; Donthu， N. （2008）. Advertising repetition and placement issues in on-line environments. Journal of Advertising， 37（2）， 31?44.

Zlatolas， L. N.， Welzer， T.， Heri?ko， M.， amp; H?lbl， M. （2015）. Privacy antecedents for SNS self-disclosure： The case of Facebook. Computers in Human Behavior， 45， 158?167.

Abstract： Fully and effectively utilizing user data is an important part of the Internet economy. Data collection inevitably involves users’ privacy information and requires users’ authorization， which includes privacy disclosure. Although it is well-documented that a user’s regulatory focus type is a robust predictor of privacy disclosure intention， few studies have examined the underlying decision-making mechanism. Group-level studies based on objective data are also limited. Thus， based on self-regulatory theory， simulated experimentations and titration procedures are first adopted to indicate the influences of users’ regulatory focus on the decision preferences and risk evaluation procedures involved in privacy disclosure， respectively. Second， a series of behavioral and eye-tracking experiments explore whether and how regulatory fits enhance a user’s privacy disclosure intentions. Finally， machine learning algorithms are applied to perform a text analysis of a user’s microblog to generalize the association patterns between regulatory focus and privacy disclosure behaviors at the group level. This project helps explain the mechanism of regulatory focus in the process of privacy authorization. In addition， the results are expected to have potential application values in modifying the designs of privacy authorization information.

Keywords： regulatory focus， regulatory fit， privacy disclosure， message framing， App user