社交网络中关联隐私的价值计量与影响因素分析

发布时间：2024-03-16 19:50

　　随着社交网络的不断发展,各类社交APP被大量下载使用,随之带来了隐私关注问题,包括用户个人的隐私,即直接隐私,以及用户朋友的隐私,即关联隐私。目前国内大多数用户对隐私的关注仅停留在个人隐私方面,对关联隐私的重视程度普遍较低。因此,为了了解用户对关联隐私的价值认知,提升用户对关联隐私的重视,本文对关联隐私的价值进行了计量,并进一步分析了影响关联隐私价值的因素。本文通过查阅大量文献以及实证调研,证实了关联隐私问题在社交网络中的普遍存在。结合现有研究提出研究假设,基于社交APP所采集用户朋友信息是否会提升APP的功能使用,引入两种情境。采用联合分析法,设计虚拟APP产品轮廓,通过问卷调查了解用户对社交APP的选择偏好,计量不同情境下关联隐私的货币价值。结果表明,当用户选择使用APP时会考虑关联隐私,但用户对关联隐私的价值估值相对较低,且该情境变量仅对用户朋友的完整信息有显著影响。在对关联隐私价值进行计量之后,使用结构方程模型进一步分析影响关联隐私价值的因素。结合已有理论和研究,分析可能的影响因素,包括隐私泄露经历、隐私知识、APP信任度、在线社会资本、隐私关注等,提出研究假设,建立研究模型;...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图1.1研究思路

具体研究思路如图1.1:1.4创新点

图2.1联合分析法基本步骤

联合分析法的过程主要分为以下几步:属性及属性水平的确定、通过正交设计进行产品模拟、数据收集、模型拟合、结果分析。如图2.1所示。第一,对于属性及属性水平的确定要有依据,要能够反映出影响产品购买的关键性特征。属性过多会给被调查者增加难度,属性过少则无法更全面反映产品关键特性。对于属....

图3.1成分效用值

采用SPSS软件中的联合分析模块对所获样本数据进行分析,导入问卷调查结果,运行后所得联合分析结果包括两部分:相对重要性(表3.5)及各属性水平的效用值(表3.6及图3.1)。属性的相对重要性排序能够反映用户在选择某产品时各属性在其心目中的影响程度,而水平的效用值则可反映用户对某产....

图4.1关联隐私影响因素研究模型

基于H1～H10的研究模型如图4.1所示(实线代表直接效应,虚线代表调节效应)。4.2问卷设计

本文编号：3930023