摘要
智媒时代，个人信息保护问题成为社会焦点议题。本研究以“风险-收益”框架为基础，重点考察了隐私侵犯经历对个人信息保护意愿的影响机制，并勾勒出不同群体（促进定向vs.预防定向）的态度差异。通过对全国16城进行问卷调查（N=4，800）发现：第一，隐私侵犯经历与个人信息保护意愿之间呈正U型曲线关系，即保护意愿随着隐私侵犯经历的增加出现先下降后上升两个阶段。第二，感知风险和感知收益均会发挥中介作用，在下降阶段，感知收益解释力更强，在上升阶段，感知风险解释力更强。第三，促进定向用户的个人信息保护意识强于预防定向用户，但在隐私侵犯极度严重时，预防定向用户的个人信息保护意识强于促进定向用户，在平衡风险和收益的过程中，预防定向用户拐点出现明显早于促进定向用户。研究结果为理解中国智媒用户的隐私实践提供理论支撑。
作者简介
宣长春，厦门大学新闻传播学院副教授。
陈素白（通讯作者），厦门大学新闻传播学院教授。
基金项目
本文受国家社科基金青年项目“基于计算方法的社交媒体广告社会效果与综合治理研究”（项目编号：21CXW015）资助。
一
引言
在“万物互联”的智媒时代，数字化生存成为人类社会生活的一种普遍状态，信息技术的进步在便利日常生活的同时，也给公民的隐私保护带来深刻影响。相关研究表明，近年来社交媒体用户正面临着越来越多的个人信息安全风险（Kim，Hovav & Han，2019），如超过5000万Facebook用户的个人信息数据被泄露给第三方公司；又如《2021年App个人信息使用态势分析报告》显示，我国有超过60%的活跃App存在侵犯用户个人信息问题（奇安信行业安全研究中心，2021）。社交媒体用户大多不是信息安全专家，容易受到隐私威胁，因此，有必要对用户个人信息保护行为进行研究，进而找到维护信息安全的有效路径（Benson，Saridakis & Tennakoon，2015）。然而，《全球互联网趋势报告》又指出，数据共享是互联网和大数据发展的必然趋势（Mary，2018）。由此可见，过度保护个人信息影响经济发展和社会效率，但过度利用亦会对个人信息权利和隐私权构成威胁（范为，2016）。
“保护”和“利用”个人信息之间的平衡是政府决策的关键，而“风险-收益”的博弈结果左右着用户的个人信息保护意愿。既有研究多认为隐私侵犯经历会影响个人信息保护意愿（Mosteller & Poddar，2017），且两者之间呈线性相关关系。其中，持正相关观点的学者多是从风险角度加以阐释，而持负相关观点的多认为收益感知影响用户行为决策。观点的分化使得理论层面难以深化拓展，也导致了个人信息保护和利用的边界在实践上难以把握（Dienlin & Trepte，2015；Mohamed & Ahmad，2012）。近期，一项元分析发现“风险-收益”的平衡和取舍存在边际条件，如不同调查对象和不同网络平台类型可能导致不同的决策偏好（韩啸，谈津，2022）。由此，本研究借助调节定向（用户类型：促进定向vs.预防定向）和“风险-收益”框架等理论资源，通过全国16城的问卷调查数据勾勒出隐私侵犯经历和个人信息保护意愿之间的“U”型关系模型，并细腻刻画了不同用户类型之间的机制差异。从理论层面，第一，研究藉由“风险-收益”解释框架展现了隐私侵犯经历和个人信息保护意愿之间的动态博弈过程，从静态向动态转换的研究视角有助于弥合抽象理论和具体情境之间的冲突和张力，而且“U”型模型的发现也在一定程度上整合了现有观点的分歧，为未来研究的拓新奠定基础；第二，调节定向这一理论视角的引入，不仅改变了既有研究多从人口统计特征考察群体差异的路径依赖（Sheehan，1999），也为探索隐私领域相关问题提供了新的研究切入点和理论增长点。从应用层面，对用户“风险-收益”博弈过程的勾勒提醒政府和平台应当注意个人信息利用和保护之间的阈限和拐点；此外，促进和预防定向用户决策行为的不同也启发相关部门的政策制定需考虑群体差异，分级分类管理或是未来方向。
二
文献回顾和研究问题
（一）隐私侵犯经历对个人信息保护意愿的影响：基于“风险-收益”框架
智媒时代，用户的生活日益嵌入到互联网之中，每个人或多或少都有隐私被侵犯的经历。所谓“隐私侵犯经历”，就是指用户过去经历过隐私被侵犯的事件（张晓娟，李贞贞，2017），如购物平台通过搜集用户在其他平台的使用数据，进而“精准”推销商品等。Mosteller和Poddar（2017）将用户的这种隐私侵犯经验视为隐私悖论行为的间接影响因素。从行为模式来看，人类普遍会通过先前的经验来认知和推断事物（Floyd，Prentice-Dunn & Rogers，2000），经验与认知的逻辑关系使得过往隐私侵犯经历和用户个人信息保护意愿之间存在着千丝万缕的联系（Li，2008）。遭遇隐私侵犯的用户往往也更能理解隐私问题的严重性和脆弱性（Mohamed & Ahmad，2012）。如有研究认为经历这种侵犯之后，用户会产生各种负面情绪，进而采取隐私保护行为（王乐，李璐瑶，孙早，2020）。不仅如此，这种经验还会导致不信任感蔓延，如降低用户对社交媒体平台的信任感（Poddar，Mosteller & Ellen，2009）。
《民法典》将“个人信息保护”定性为一种“人格权益”，主要涉及个人信息的非法收集、泄露、买卖或利用等方面的内容（程啸，2020）。既有研究大多认为用户的隐私侵犯经验会促进个人信息保护行为的发生，但也有一些研究对此提出了异议，如有观点认为部分用户经历了隐私侵犯事件也不一定会改变对自身信息隐私（informational privacy）和社会隐私（social privacy）的保护意愿（Dienlin & Trepte，2015）。适应性认知理论（adaptive cognition theory）或可对此进行解释，该理论将用户参与社交网络分为初始、探索和管理三个时期，不同时期用户对负面经历和风险的权衡是不同的（Barth & de Jong，2017）。还有研究发现，当用户个人数据屡遭泄露时，他们甚至会选择放弃个人信息保护的行为，因为他们怀疑自身无法采取有效的决策和措施来保护自己的隐私（Kwon & Johnson，2015）。
既有研究的不同发现和理论解释提醒我们，隐私侵犯经历和个人信息保护意愿之间充满理论张力，也为接下来的理论整合提供契机。本研究大胆猜测，隐私侵犯经历和个人信息保护意愿之间的不同关系面向或是“风险-收益”不同博弈结果的反映。从风险角度看，个人信息泄漏不仅有潜在的经济损失风险，亦会带来网络暴力的隐忧；从收益角度看，部分让渡个人信息可以提高社会交往效率，也能便利日常生活等。1975年，传播学先驱罗杰斯（Ronald W. Rogers）提出了保护动机理论（protection motivation theory），该理论主要考察人们面对危险或威胁时的个人行为反应，认为“风险-收益”框架的评估影响着人们的风险认知和处理行为（Floyd，Prentice-Dunn & Rogers，2000；Rogers，1975；Youn，2009）。1983年，罗杰斯对保护动机理论进行修正，新的理论模型分为信息来源、认知调节过程和应对模式三个阶段，其中，认知调节过程是该理论的核心构件，主要包括不适应反应（maladaptive coping）和适应性反应（adaptive coping）两个维度，分别对应着减少风险评估和应对能力评估。减少风险的评估（risk-reducing）包括对风险的评估和采取风险行为所获利益的评估。这里面主要包括内生/外生奖励和风险严重性/易感性之间的博弈；而应对能力评估（coping-appraisal）主要是指人们对自我应对风险能力的评估，主要包括自我效能和反应成本之间的平衡（Rogers，Cacioppo & Petty，1983：153-176）。
简言之，“风险-收益”框架强调的是当感知到风险高于收益时，人们保护自己免遭威胁的动机便会增加；当感知收益高于风险时，人们的保护动机就会降低。具体到本研究所涉及的场景之中，我们或许可以推测认为，用户在经历隐私侵犯的初期未能对风险进行全面评估，便利性等因素容易抵消风险的负面影响，因此更容易共享和让渡部分个人信息，而随着隐私侵犯经历的累积，用户对于隐私风险的评估更为精确，保护个人信息的意愿可能会逐渐增强。基于以上讨论，本研究提出如下研究问题：
RQ1：隐私侵犯经历对个人信息保护意愿的影响呈现出何种机制？两者究竟表现为线性关系还是二次曲线关系？
RQ2：感知收益是否会中介隐私侵犯经历对个人信息保护意愿的影响？如有，又是如何中介的？
RQ3：感知风险是否会中介隐私侵犯经历对个人信息保护意愿的影响？如有，又是如何中介的？
（二）调节定向的差异化影响：促进定向vs.预防定向
从“风险-收益”的博弈过程来看，用户势必面临着追求利益的快乐以及承担风险的痛苦，但大多数相关研究在探究到这一步时便戛然而止，仅仅回应博弈的结果会影响隐私让渡行为决策（Lemi，Ekin & Zeynep，2017），却忽略了不同群体在“风险-收益”框架下可能会做出不同的选择。现有研究对群体差异的关照主要包括两个面向：宏观层面关注文化差异对隐私保护的影响，如有研究认为在集体主义文化语境中，集体意识会促使人们遵守和默认规则，即披露部分隐私换取社会利益更大化（Beldad & Kusumadewi，2015）；微观层面则主要聚焦各种人口统计变量，如有研究发现年龄和隐私行为呈负相关关系，即年轻人有更高的隐私保护意识和行为倾向（Blank，Bolsover & Dubois，2014）。风险偏好还是风险规避恰恰受到不同群体人格特征的影响，调节定向的差异化影响可能是解释不同选择策略的重要理论资源。
“追求快乐回避痛苦”（approaching pleasure and avoiding pain）的享乐主义原则是诸多心理学理论的潜在预设，在行为动机解释中占据主导地位。然而，这一原则没有说明人们如何趋利避害。为解决这一困惑，Higgins在1997年提出调节定向理论（regulatory focus theory）。该理论指出，个人在实现目标的自我调节过程中会表现出趋利避害的自然倾向（Geers，Weiland，Kosbab，Landry & Helfer，2005；Higgins，Friedman，Harlow，Idson & Taylor，2001）。根据自然倾向的不同，个体被分为促进定向（promotion focus）和预防定向（prevention focus）两种类型。其中，促进定向与提高需要相关，会激发更多的冒险行为，追求积极结果实现最大化收益；预防定向与安全需要相关，行为更为谨慎，倾向避免负面结果和最大化减少损失（Rhee & Fiss，2014；Zhang，Cornwell & Higgins，2014）。以改善人际关系这一目标为例，促进定向的个体会将其表征为加强社交联系和避免失去社交机会，而预防定向的个体会将其表征为消除不利于社交联系的隐患和避免社会排斥。
调节定向作为一种人格特征理论，在解释人们的行为意图（朱鹏，李璐，马尔基奥尼，2019）、情感态度（Tumasjan & Braun，2012）和决策动机（董颖，许正良，徐东溟，2016）等方面具有较好的解释力，被广泛应用于心理学和营销学等学科领域。目前，新闻传播研究领域对该理论介入较少，但信息的认知和处理同样无法摆脱调节定向差异化的影响。从信息传播角度出发，促进定向者更关注与收益、成功相关的信息，形成更大且多样化的考虑集；而预防定向者则会聚焦与亏损、失败相关的信息，形成较小且同质化的考虑集（尹非凡，王詠，2013）。由此可见，促进定向用户在行为策略上具有明显的冒险倾向，他们的行为不排除冒险性和探索性，而预防定向用户更具有保守倾向，行为风格更为谨慎小心，偏好采用警惕策略（Crowe & Higgins，1997；Molden & Finkel，2010）。由此，本研究推论，在“风险-收益”的感知平衡中，预防定向用户可能更容易出现感知风险高于感知收益的情形。
不同调节定向用户除了“风险-收益”偏好可能不同之外，对个人信息的保护意愿或许也有所差异。从既往实验法研究对被试促进和预防定向的启动（priming）方式可以发现，引发促进定向依靠独立型自我建构（independent self-construal）的激活，而预防定向则依靠互依型自我建构（interdependent self-construal）的启动（Lee & Aaker，2004）。由此可见，“独立型自我建构-促进定向”和“互依型自我建构-预防定向”这两组关系具有极强的内在逻辑一致性。相比于独立我，互依我更关注人际关系和人际认知，也更愿意通过让渡部分个人隐私获得人际交往的扩展（Kraus，Piff & Keltner，2009）。由此，本研究推论认为，相较于预防定向用户而言，促进定向用户的个人信息保护意识更强。综上，本研究提出如下研究问题：
RQ4：用户类型（促进定向vs.预防定向）是否会调节个人信息侵犯经历对保护意愿的影响？相较于预防定向用户，促进定向用户的个人信息保护意愿是否更强？在“风险-收益”的感知平衡中，预防定向用户是否更容易出现感知风险大于感知收益的情形？
三
研究方法和变量选择
（一）样本选择
本次调研在尼尔森网联媒介数据服务有限公司（Nielsen-CCData）线上调研样本库中执行，该样本库的总体样本数量为955万，覆盖了各年龄段样本。线上问卷在样本库中采取随机发放形式，按照城市/性别/年龄配额要求进行样本数据回收，并根据问卷填答时间、填答逻辑检查进行相应的数据质控。在性别的样本设定上，按照男女各50%进行配比。在样本年龄比例的配额设置上，既兼顾网民人口年龄构成（CNNIC第48次中国互联网络发展统计报告：19岁及以下占15.6%，20-29岁占17.4%，30-39岁占20.3%，40-49岁占18.7%，50岁及以上占28.1%），又充分考虑受访者问卷填答能力和研究主题。考虑到19岁以下群体并不具备充分的问卷填答能力和隐私保护意识，本研究极大地压缩了这一年龄段的样本，并平均分配到其他年龄层。由此，本研究对年龄的配额是：19岁及以下占0.6%，20-29岁占21.1%，30-39岁占24.0%，40-49岁占22.4%，50岁及以上占31.9%，在剔除无效问卷后，误差基本控制在1%以内（具体见表1）。本次调研由课题组与“之江实验室”（浙江省人民政府、浙江大学、阿里巴巴集团共同举办）联合执行，为兼顾样本的代表性和便利性，本次调研以4个超一线城市（北京、上海、广州和深圳）、1个经济特区（厦门）和浙江省11个城市（杭州、湖州、嘉兴、金华、丽水、宁波、衢州、绍兴、台州、温州和舟山）为研究对象。本次调研总计花费10万元，发出问卷6，442份，每个城市回收300份有效问卷后饱和，也即有效样本4，800份，有效回收率为74.5%，无效问卷的删除依据主要为：没有社交媒体使用经验、筛选题项不达标和答题不认真（如连续数个变量的题项答案一致，或重复选项次数达70%以上）等。
（二）变量设置
隐私侵犯经历。参照前人研究（Su，Wang & Yan，2018），通过3道7点式李克特量表（1=非常不符合，7=非常符合）进行测量：（1）我的个人信息（如电话号码，购物记录）等曾经被智能媒体共享给了第三方平台；（2）我发布到智能媒体上面的个人
，曾经被其他用户下载或传播过；（3）未经我未授权的情况下，某个智能平台曾经不当收集并利用过我的个人信息（α=.77）。
个人信息保护意愿。参照前人研究（Liang & Xue，2010），通过3道7点式李克特量表（1=非常不赞同，7=非常赞同）进行测量：（1）我认为我应该在智能媒体中采取适当行为来保护我的个人隐私信息安全；（2）当我的个人信息安全受到威胁时，我愿意为保护个人信息安全而做出努力；（3）当我发现我的个人隐私信息安全受到威胁时，我愿意寻求保护方法（α=.69）。
促进定向。参考前人量表（姚琦，乐国安，伍承聪，李燕飞，陈晨，2008；Higgins，Friedman，Harlow，Idson & Taylor，2001），本研究通过3道7点式李克特量表（1=非常不符合，7=非常符合）进行测量：（1）我感觉我在朝着成功迈进；（2）对于我想做的事，我都能做的很好；（3）对成功的追求使我更加努力（α=.67）。
预防定向。参考前人量表（姚琦，乐国安，伍承聪，李燕飞，陈晨，2008；Higgins，Friedman，Harlow，Idson & Taylor，2001），本研究通过3道7点式李克特量表（1=非常不符合，7=非常符合）进行测量：（1）从小到大，父母无法容忍我做的“错事”；（2）我总是遵守父母给我定的规矩；（3）成长的过程中，我经常做一些父母认为不对的事（α=.70）。
调节定向的类型划分。参照前人的思路（Cui，Yin & Lu，2014），本研究将促进定向和预防定向的数值相减，再依据差值的均值（M）和标准差（SD）进行分类，即“M+1SD”以上为促进定向用户，“M-1SD”以下为预防定向用户。
感知收益。参照既有研究（郭海玲，马红雨，许泽辉，2019），通过4道7点式李克特量表（1=非常不赞同，7=非常赞同）进行测量：（1）在智能媒体上提供我的个人信息对我是有益的；（2）在智能媒体上提供一些个人信息有利于我享受到想要的服务；（3）在智能媒体上提供一些个人信息有利于我更加及时准确地获得所需信息；（4）在智能媒体上提供个人信息使我更好地和人交流，认识志趣相投的朋友（如在社交媒体上发布状态）（α=.76）。
感知风险。参照既有研究（程慧平，闻心玥，苏超，2020），通过3道7点式李克特量表（1=非常不赞同，7=完全赞同）进行测量：（1）在智能媒体上提供的个人信息很有可能被泄露；（2）在智能媒体上提供的个人信息可能会被不正当地收集和使用；（3）我认为将个人信息提供给智能媒体可能会导致不可预测的问题（α=.84）。
此外，本次调查还对受访者的性别、年龄、学历、收入等人口统计学变量进行测量。
四
数据分析
（一）共同方法偏差检验
从程序控制层面，本研究通过采用匿名测评和合理设置问题顺序等方式在问卷设计和测量上尽量减少共同方法偏差来源，降低共同方法偏差的产生。在统计检验方面，本研究使用Harman单因素检验进行判断，结果表明第一个公因子的方差解释百分比小于40%，由此认为不存在严重的共同方法偏差。
（二）描述统计和相关分析
（三）主效应及中介效应检验
为回答RQ1，本研究对隐私侵犯经历和个人信息保护意愿之间的关系进行严格统计检验。通过对线性模型和二次曲线模型的比对后发现，二次曲线模型的R2明显高于线性模型，由此，我们判定隐私侵犯经历和个人信息保护意愿之间并非简单的线性关系，而是呈现为开口向上的U型曲线关系。以上部分完整回答了RQ1。
考虑到隐私侵犯经历和个人信息保护意愿之间并非线性关系，中介机制不宜直接进行检验，因此，我们有必要计算出U型曲线的拐点，进而分段进行中介分析。二次曲线的拐点即为二次方程的对称轴（x=-b/2a），根据二次项系数（a=.123）和一次项系数（b=-.701）计算得出x=2.85，以此区分出第一阶段（上升阶段）和第二阶段（下降阶段）。中介作用的检验，使用PROCESS插件进行数据处理，将自变量（隐私侵犯经历）、中介变量（感知收益/感知风险）和因变量（个人信息保护意愿）依次选入相应的选项框后，勾选模型4（model4），样本量设定为5000，置信区间选95%，Bootstrap的取样方法选择偏差校正的非参数百分位法。
在第一阶段中，感知收益和感知风险均发挥了中介作用，但从效应量来看，感知收益的效应量更大。具体而言，感知收益的中介效应的大小为-.1099，CI=[-.1476，-.0751]，区间范围不包含0，所以中介效应显著；感知风险的中介效应的大小为.0755，CI=[.0512，.1114]，区间范围不包含0，所以中介效应显著。在第二阶段中，感知收益和感知风险同样也都发挥了中介作用，但从效应量来看，感知风险的效应量更大。具体而言，感知收益的中介效应的大小为.0506，CI=[.0387，.0629]，区间范围不包含0，所以中介效应显著；感知风险的中介效应的大小为.0932，CI=[.0773，.1111]，区间范围不包含0，所以中介效应显著。进一步通过独立样本t检验可知，上升阶段中，用户的感知收益（M=3.79，SD=1.22）显著高于感知风险（M=3.21，SD=1.52，t=10.456，p<.001）；相反，下降阶段中，用户的感知收益（M=3.93，SD=1.02）显著低于感知风险（M=4.31，SD=0.98，t=-16.223，p<.001）。结合中介效应量的大小可知，U型曲线处于前半段时，用户的感知收益占据主导地位，U型曲线进入后半段时，用户的感知风险占据主导地位。以上部分完整回答了RQ2和RQ3。
*** p < .001, ** p < .01, * p < .05, † p < .08, ns 不显著
（四）调节效应检验
为回答RQ4，本研究使用多元回归检验隐私侵犯经历对个人信息保护意愿的影响以及调节定向（促进定向vs.预防定向）的调节效应。
首先，对比模型3和模型4可进一步确证隐私侵犯经历和个人信息保护意愿之间的关系，二次曲线模型的解释量高于线性模型（ΔR2=.077），隐私侵犯经历的二次项比隐私侵犯经历对个人信息保护意愿的解释力更强。因此，隐私侵犯经历和个人信息保护意愿之间的关系为曲线关系，而且是正U型曲线关系（β=.114，p<.001）。具体而言，两者关系呈现出两个不同的阶段：在第一阶段，随着隐私侵犯经历感知的增加，个人信息保护意愿在下降，但当这种侵犯感知突破一定界限值时，个人信息保护意愿便出现上升趋势，即为第二阶段。
接下来，分析调节定向的调节效应。考虑到本研究已验证自变量和因变量之间的关系并非线性关系，故不宜使用Bootstrap的调节效应检验方法。有鉴于此，本研究借鉴Edwards和Lambert（2007）开发的调节效应检验方法进行验证。为此，我们建构了模型6，在该模型中，判断调节效应是否显著的主要指标就是侵犯经历的二次项和调节定向类型的交互项，结果发现此交互项显著（β=.059，p<.001）。
针对促进定向用户的分析表明，二次曲线模型的解释量高于线性模型（ΔR2=.054）。于是，我们建构以隐私侵犯经历及其二次项为自变量，以个人信息保护意愿为因变量的曲线模型。从二次项的系数可知，隐私侵犯经历和个人信息保护意愿之间的关系是一个开口向上的U型曲线（β=.084，p<.001）。根据SPSS软件运算结果确定的模型具体参数，本研究使用SAS软件进行了相应曲线图的绘制，具体见图2实线部分。从图中可知，随着隐私侵犯经历的增加，个人信息保护意愿存在先逐渐下降后逐渐上升的趋势，而“拐点”则是出现在x=2.82的位置。
针对预防定向用户的分析表明，二次曲线模型的解释量高于线性模型（ΔR2=.071）。于是，我们建构以隐私侵犯经历及其二次项为自变量，以个人信息保护意愿为因变量的曲线模型。从二次项的系数可知，隐私侵犯经历和个人信息保护意愿之间的关系是一个开口向上的U型曲线（β=.133，p<.001）。根据SPSS软件运算结果确定的模型具体参数，本研究使用SAS软件进行了相应曲线图的绘制，具体见图2虚线部分。从图中可知，随着隐私侵犯经历的增加，个人信息保护意愿存在先逐渐下降后逐渐上升的趋势，而“拐点”则是出现在x=2.74的位置。
由此，本研究发现，隐私侵犯经历对个人信息保护意愿的影响在促进和预防定向群体中作用机制不尽相同。相同点在于两类群体的走势基本都遵循了正U型，而不同点在于：第一，促进定向的用户整体个人信息保护意识强于预防定向用户（M促进=4.84，SD=0.83；M预防=4.44，SD=0.89，t=15.918，p<.001）；第二，在平衡风险和收益的过程中，预防定向用户更早意识到风险发生的可能，拐点出现明显早于促进定向用户（X促进=2.82>X预防=2.74）；第三，在隐私侵犯经历极度严重的情况下，预防定向用户的个人信息保护意识开始强于促进定向用户。以上部分完整回答了RQ4。
五
结论与讨论
当与“人”有关的信息变成“数字石油”时，个人信息的隐私保护问题便成为社会焦点议题。调查表明，超过三分之二的用户对于在线提供个人信息感到担忧（Larose & Rifon，2006）。有鉴于此，围绕“个人信息保护”话题，本研究在国内展开了一次较大规模的问卷调查，在“风险-收益”框架和调节定向理论视角下，探索隐私侵犯经历对个人信息保护意愿的影响机制。从理论层面看，第一，本研究提出的隐私侵犯经历和个人信息保护意愿之间的“U”型关系有力地弥合了既有研究的分歧，同时也有助于促进该研究领域的进一步深化和拓展。第二，调节定向这一理论视角的引入，回应了既有研究多从人口统计特征考察群体差异而对人格特质把握不足的问题（Sheehan，1999），促进和预防定向用户行为差异的廓清有助于形成新的理论增长点。第三，两种对立关系（正相关/负相关）的整合贯通展现了隐私侵犯经历与个人信息保护意愿之间博弈的动态性和情境性，是研究视角从静态抽象向动态具体的一种切换和转向。从实践层面看，本研究对用户在风险与收益之间博弈过程的勾勒提醒政府和平台应当注意个人信息利用和保护之间的平衡和边界，不同阶段决策行为差异和不同类型用户差异为个人信息保护和利用的标准制定以及分级分类管理思路提供理论依据。
（一）隐私侵犯经历与个人信息保护意愿之间的动态博弈
对智媒用户而言，隐私侵犯经历和个人信息保护意愿之间的“U”型关系无疑是本研究的一个有趣发现。隐私侵犯经历和个人信息保护意愿正向和负向相关的两个阶段暗示了风险和收益博弈的不同可能性，尤其是从U型曲线的前半段走势来看，个人信息保护意愿随着隐私侵犯经历的增加而下降的结论看似违背常理，实则有其合理性。在隐私侵犯经历相对较少的阶段，用户个人信息披露的感知风险小于感知收益，这使得用户对保护个人信息缺乏积极性。另外，隐私倦怠研究也认为，频繁的隐私侵犯使得用户对个人信息保护产生倦怠心理，进而降低其保护意愿（Choi，Park & Jung，2018）。在此基础上，本研究发现隐私侵犯经历对个人信息保护意愿的影响存在边界条件，当隐私侵犯经历超出用户承受范围时，感知收益和隐私倦怠等因素会让步于感知风险，用户个人信息保护意愿得以提升。
这一正U型曲线模型的验证说明个人信息的部分让渡和保护之间呈现出一种平衡关系，这种平衡是一种动态而富有张力的状态，充分利用这种状态或可实现个人信息“利用”和“保护”之间的适度平衡以及多元主体的共赢。这也暗示了个人信息保护会随着具体场景变换而呈现出不同的态度和行为，未来研究应在关注个人信息保护的具体场景这一底层逻辑的基础上，进一步思考如何对个人信息保护的处理情境进行类型化分析和概括，以便更好地进行理论整合与创新。
（二）调节定向视野下不同群体信息保护行为的勾勒
本研究尝试将基于调节定向的用户类型（促进定向vs.预防定向）引入到研究的框架之中，进而扩展个人信息保护机制的理论内涵和实践意义。研究调查发现，促进定向用户的个人信息保护意识明显强于预防定向，这不仅为未来个人信息保护的分级分类管理提供了重要理论依据，而且也为调节定向和自我建构（促进定向-独立型自我建构，预防定向-互依型自我建构）之间的理论接合提供路径可能（孙锐，罗映宇，2021），进而便于更加细腻完整地勾勒不同群体的个人信息保护意愿。
本研究还发现预防定向用户拐点出现明显早于促进定向用户，也即不同群体对风险和收益的感知边界存在明显差异。通过对不同群体的细腻描绘，我们廓清了中国语境下个人信息侵犯与保护之间博弈的过程性和情境性。这既是对美国学者Schwartz和Slove（2011）提出的PII2.0（personally identifiable information）模型的呼应和推进，更是对提炼和总结本土理论话语体系的重要提醒，两段不同走向的曲线整合出的U型模型为“保护-利用”个人信息的二元论提供了理论支撑和实践指导。未来，政府和相关部门应考虑为不同类型的用户设置不同的保护标准，分类分级管理思维或是将来政策制定的重要方向。
（三）探索以人为本的个人信息保护机制
数字时代背景下，几乎每个人都逃脱不了云计算、移动消费和社交媒体，信息主体的用户控制逻辑和信息业者的商业价值逻辑之间充满张力，多元主体利益格局容易导致利益冲突的加剧和失衡。我们必须深刻认识到，自然人是个人信息的首要主体，其关于个人信息的人格利益诉求是个人信息保护基本出发点（陈甦，2017：787）。我国网络信息安全的治理离不开对个人信息的保护，“人本位”网络社会的长治久安需要每一个用户个体的积极参与。“以人为本”的个人信息保护路径应是未来制度设计和法律规范的重要准则，在此过程中，不同群体心理阈限差异应得到兼顾和理解。
站在用户个人的角度，过度鼓励数据共享可能对个人隐私和信息等人格权保护带来冲击，而且隐私侵犯的边界充满不确定性，情境的变化使得边界极具模糊性和流动性。经典的行为规范理论对个体决策的描述一般是抽象的、非情境式的，实际存在的各种限制被看作是无关紧要的，因此，现有隐私政策的制定和立法效果往往差强人意。自行为经济学创立以来，现代规范理论逐步深入到行为人的动机和认知层面（杨彪，2015），如果将这些变量也纳入考虑的范围，那个人隐私决策就会变得复杂且多样化，治理效果出现偏差就在所难免。由此，落实以人为本的个人信息保护机制就是要从根本上确保作为个体的用户与政府和企业之间形成有效对话。
六
研究局限与未来展望
本研究存在一些局限：第一，本研究虽是大样本问卷调查，但研究对象并未覆盖全国，研究结果的普适性和推广性有待在未来研究中进一步确证；第二，本研究未对学历进行配额设定，整体样本学历偏高在一定程度上影响了研究结论的代表性，后续研究可进行更加科学合理的抽样；第三，部分量表的信度系数相对偏低，未来有必要对西方量表进行本土化修订，以更加适应中国受访者填答；第四，本研究提出侵犯经历与个人信息保护意愿之间的正U型关系模型，并以“风险-收益”框架加以解释，但仍需清醒地看到，U型两个不同阶段的成因是极为复杂的，未来研究应引入更多中介变量考察和完善内在机制；第五，本研究从人格特质角度切入，比较了不同调节定向用户的差异，未来可以将更多人格维度差异纳入研究视角，以期实现网络隐私保护的分级分类治理。
本文系简写版，参考文献从略，原文刊载于《国际新闻界》2023年第4期。
转自：“国际新闻界”微信公众号
如有侵权，请联系本站删除！
