移動學習用戶隱私信息披露行為實證研究

郭宇 段其姍 王晰巍

〔摘 要〕[目的/意義]通過構建移動學習用戶隱私信息披露行為影響因素的理論模型，探究移動學習用戶隱私行為的影響關系，以提高用戶隱私信息披露意愿和對隱私信息的控制能力。[方法/過程]本文通過對隱私信息披露文獻的查閱，運用問卷調查和實證研究相結合的方法，從行為態度、主觀規范和行為控制3個方面分析了移動學習用戶隱私信息披露行為，利用結構方程對提出的假設進行分析驗證。[結果/結論]數據研究結果表明，隱私信息披露意愿對隱私信息披露行為有正向影響，感知移動學習收益性、移動學習用戶社會影響、隱私控制自我效能和感知移動學習便利性對隱私信息披露意愿呈正向影響，而感知移動學習風險性則對隱私信息披露意愿呈負向影響。本研究能夠幫助移動學習平臺開發商更好地收集信息，為用戶定制個性化的服務。[局限]研究的調查對象覆蓋面較窄，對年齡、性別等因素之間的關系缺乏深入地分析。

〔關鍵詞〕隱私信息；披露行為；移動學習

DOI：10.3969/j.issn.1008-0821.2018.04.014

〔中圖分類號〕G203 〔文獻標識碼〕A 〔文章編號〕1008-0821（2018）04-0098-08

〔Abstract〕[Purpose/Significance]This paper explored the influencing factors of disclosure behaviour of mobile learning users in order to enhance the users the ability to control private information by constructing a theoretical model of influencing factors of mobile learning users privacy disclosure.[Method/Process]Through reading the document，this paper used the combination of questionnaires and empirical research methods，making a hypothesis testing with structural equation modeling from the aspects of attitude，subjective norm and behavior control.[Result/Conclusion]The research found that privacy disclosure intention had a positive impact on privacy disclosure behavior.Perceived benefit，society influenced，self-efficacy and perceived facilitation positively influence privacy disclosure intention，while perceived risk negatively influences privacy disclosure intention.It could help mobile learning platform operators to collect information and provide users more personalized service.[Limitations]The coverage of the subjects investigated in this paper was narrow，and the relationship between age，sex and other factors was not deeply analyzed.

〔Key words〕privacy information；disclosure behaviour；mobile learning

隨著互聯網技術和移動智能終端的飛速發展，信息社會大眾的需求發生了巨大變化，移動互聯網應運而生并且快速發展，教育資源也得以與不同信息環境的服務融合[1]。截至2016年6月，我國手機網民規模達6.56億，在線教育用戶規模達1.18億，其中手機端在線用戶占比59.3%[2]。移動互聯網技術正在改變著人們的生活學習方式，微博、微信、微課等各類便捷的微服務無處不在，而移動學習作為一種新的微學習方式，極大地滿足了用戶利用零碎時間進行學習的需求，并且其提供的個性化服務也深受用戶的喜愛。2016年《中國個人信息安全和隱私保護報告》指出個人信息安全已成為社會普遍的焦慮[3]。隱私信息披露風險逐漸增加，很多用戶不愿意向移動學習平臺提供個人信息。但對于移動學習平臺而言，只有獲取用戶更多的真實信息，才可以向用戶提供更好的、更具特色化的產品和服務。因此提高用戶的隱私信息披露意愿是移動學習平臺開發商極為關注且亟待解決的難題之一。

近年來國內外學者開始廣泛關注隱私信息的研究。國外學者C.Morosan等從感知個人利益、感知隱私風險、感知價值、情緒、信任等方面構建了相應模型，通過實證方法研究了美國消費者向酒店透露個人信息的意愿[4]。S.Sharma和R.E.Crossler從信息交換的公平性、隱私披露風險和收益角度闡述了影響電子商務用戶隱私披露意愿的情境因素[5]。G.Bansal等基于理性行動理論（TRA）提出個人信息敏感性和其在隱私方面的關注度是影響信任和隱私披露的顯著因素[6]。國內學者朱侯等以隱私計算理論為基礎，研究了SNS用戶隱私悖論現象[7]。巫月娥等以成本——利益理論和感知信息公平理論為基礎，提出了社交電子商務中用戶隱私披露意愿模型[8]。麥范金等針對圖書館云服務構建了移動用戶的隱私信息五維模型[9]。

綜觀上述國內外學者關于隱私披露的相關研究，國內外學者的研究主要聚焦在社交網站、電子商務網站和移動App應用中用戶隱私披露意愿的相關研究，針對移動學習用戶隱私披露意愿影響因素的研究相對較少。如今，隱私問題越來越受到人們的關注，那么是什么原因使得越來越多的人愿意使用移動互聯網平臺進行學習？又是什么因素影響了用戶的隱私信息披露行為？是否可以借鑒其它理論中隱私披露影響因素模型來構建移動學習用戶隱私信息披露影響因素？本文將運用文獻歸納和實證分析的方法解決以上3個問題。以計劃行為理論和隱私計算理論為基礎，構建移動學習用戶隱私披露行為影響因素的模型，通過調查問卷收集數據，然后利用結構方程進行檢驗分析得出結論。本研究可以幫助移動學習平臺開發商更好地獲取用戶信息，并為用戶提供更具個性化的服務。

1 相關理論

1.1 隱私計算理論

隱私最初被定義為不受外界干擾且與公共利益無關的個人信息[10]，隱私保護則指對于個人信息被收集和被使用的控制[11]。綜合看來，信息隱私的界定和研究可以劃分為隱私態度和隱私行為視角[12]。隱私態度包含信息搜集、未經授權的二次使用、不正確的獲取和錯誤4個維度，隱私行為則包含信息搜集、信息處理、信息披露和信息侵犯等一系列信息行為。如今，除用戶個人信息、社會關系等傳統互聯網環境下存在的隱私信息外，隱私信息還包括位置和行蹤隱私[13]。隱私信息泄露的問題也給移動信息生態平衡帶來了巨大的挑戰。隱私計算理論被認為是解決用戶信息隱私問題最有用的框架，是當前很多實證研究的基礎[14]。隱私計算的概念最早由國外學者M.J.Culnan提出，是指對用戶泄露個人信息與隨之帶來的收益和風險進行評估。若這些個人信息能被公正地使用并且不產生負面影響，用戶將愿意透露個人信息[15]。

1.2 TPB理論

計劃行為理論是由I.Ajzen在理性行為理論（Theory of Reasoned Action，TRA）基礎上提出的，他認為人的行為并不是完全出于自愿，而是處在控制之下。TPB理論從態度、主觀規范、行為知覺控制、行為意向、行為5個方面來進行分析，認為在個人能力、機會以及資源等實際控制條件充分的情況下，行為意向直接決定行為，而行為意向由行為態度、主觀規范和知覺行為控制3個主要變量決定，態度越積極、主觀規范影響越強、知覺行為控制越強，行為意向就越大，反之就越小[16]。計劃行為理論從信息加工的角度來解釋個體行為的決策過程，已被廣泛地應用于多個領域，是個體行為研究的重要理論基礎之一。

1.3 移動學習用戶隱私披露行為問題的提出

隨著用戶教育理念的不斷變化和智能手機、平板電腦等設備的迅速普及，各種移動應用程序快速發展，基于移動智能終端的學習類App競爭愈發激烈[17]。移動學習作為一種學習技術，其便攜性、交互性、泛在性等特點，逐漸成為廣大學習者關注的焦點，對于移動學習平臺開發商而言，如何吸引用戶的注意力，了解用戶深層次的真實需求，為其制定個性化的學習方案？如何借助移動學習平臺的核心資源，有效整合線上和線下的資源，改善用戶的學習體驗？這些是移動學習平臺開發商必須要重視的問題。在這個過程中，開發商收集用戶的個人信息有助于分析移動用戶學習屬性特征和行為差異；但對于用戶而言，披露個人隱私信息可能會帶來意想不到的風險和損失，這就導致用戶在填寫信息時提供虛假的信息或拒絕提供個人信息[18]。為了解決這一矛盾，就需要對移動學習用戶隱私披露行為的影響因素進行研究，充分挖掘用戶對于移動學習App的使用行為，幫助移動學習平臺針對用戶的行為特點定制個性化的學習服務，從而更好地激勵用戶披露隱私信息。

2 模型與假設研究

2.1 模型的構建

本文將計劃行為理論與隱私計算理論相結合，分析移動學習用戶的隱私信息披露意愿的影響因素，進而分析隱私信息披露意愿對其披露行為的影響。H.Li等人利用隱私計算理論分析隱私披露行為與感知收益、隱私憂慮間的關系，認為感知收益性正向影響用戶的信息披露意愿，而感知風險性對用戶隱私信息披露意愿產生負向影響[19]。N.Fortes和P.Rita利用TPB和TAM模型對消費者在線購買行為影響因素分析時發現感知易用性、感知有用性對隱私關注有顯著影響[11]。I.Arpaci等人利用TPB模型研究云服務教育時發現學生對安全隱私的關注態度對其使用云服務教育的意愿有顯著影響[20]。M.H.Hsu和F.Y.Kuo運用TPB理論研究與信息隱私保護有關的決策影響因素時發現態度受到主觀規范的影響，而主體規范又受到組織自尊的影響[21]。

綜合上述學者的相關研究，以用戶的行為態度、主觀規范、行為控制為自變量，以移動學習用戶的隱私披露意愿為中介變量，以其隱私披露行為為因變量，構建了移動學習用戶的隱私披露行為影響因素模型，具體如圖1所示。

2.2 研究假設的提出

2.2.1 行為態度對移動學習用戶隱私信息披露意愿的影響

行為態度是指個人對行為所抱持的正面或負面的感覺，即指個人對特定行為評價后的態度[16]。本研究針對移動學習的特點，重點關注感知收益和感知風險這兩種行為態度。感知收益是指用戶在使用過程中預期該行為可能給自己帶來的利益和回報[22]。國外學者I.Pentina等利用隱私計算理論考察用戶的隱私披露行為時指出只有在感知收益大于感知風險時用戶才會選擇披露個人隱私[23]。國內學者張星等從個性化服務與情感支持兩個方面考察了感知收益，并指出感知收益會改善用戶對隱私披露的態度[24]。基于上述文獻的研究結果，本文認為：

H1a：感知移動學習收益性對移動學習用戶的隱私信息披露意愿呈正向影響。

感知風險是指決策中隱含著對結果的不確定性。學者N.Lim從技術風險、供應風險、消費風險以及產品風險的角度進行考察，指出用戶與互聯網平臺供應商信息的不對等會導致用戶不愿意披露個人信息[25]。學者F.Xu等指出感知風險會提高用戶的隱私關注度，隱私關注水平越高，越不利于信息的分享[26]。基于上述文獻的研究結果，本文認為：

H1b：感知移動學習風險性對移動學習用戶的隱私信息披露意愿呈負向影響。

2.2.2 主觀規范對移動學習用戶隱私信息披露意愿的影響

主觀規范是指個人對于是否采取某項特定行為所感受到的社會壓力[16]。針對移動學習的特點，本研究主要從互惠規范和社會影響來考慮主觀規范對意愿的影響。

霍曼斯交換理論指出人能理性地算計自己某一行為的長期結果，并試圖交換某些事物以獲取最大的利益[27]。學者L.Wang等認為人們愿意揭露自己的個人隱私是為了獲取信息補償、資金補償等[28]。學者李延暉等考察了娛樂性補償、信息補償和資金補償對隱私披露意愿的影響，發現娛樂性補償和信息補償對披露意愿產生正向影響，而資金補償對披露意愿沒有影響[29]。基于上述文獻的研究結果，本文認為：

H2a：移動學習用戶互惠規范對移動學習用戶的隱私信息披露意愿呈正向影響。

個體所處環境能對個體產生一定的影響，并改變個體在某一方面的行為[24]。學者C.Hallam和G.Zanella認為個體通過披露個人信息可以滿足情感需求，進而獲得社會滿足感[30]。學者T.L.James等研究指出披露個人信息能夠使用戶獲得更多的社會認同感，并且與他人建立更強的紐帶[31]。學者L.N.Zlatolas和T.Welzer指出隱私社會規范對隱私披露行為有重要影響，他人行為會對個體進行隱私披露決策時產生一定影響[32]。基于上述文獻的研究結果，本文認為：

H2b：移動學習用戶社會影響對移動學習用戶的隱私信息披露意愿呈正向影響。

2.2.3 行為控制對移動學習用戶隱私信息披露行為的影響

行為控制是指個體由于過去經驗而對行為所感到的難易程度以及預期的障礙[16]。針對移動學習的特點，本研究主要從自我效能和感知便利性的方面進行考慮。

在用戶隱私披露行為研究中，自我效能重點關注用戶的信息控制能力，用來反映用戶對所披露信息的控制能力。用戶通過閱讀移動學習平臺的隱私政策以及對自己發布的信息的控制來對自己的隱私信息進行控制。學者B.C.F.Choi和L.Land研究發現應用平臺和用戶對于信息的交互控制能夠幫助用戶更好地管理用戶信息，進而促進用戶的信息披露[33]。學者T.Wang等指出如果用戶感覺到風險，則會增強對信息的控制，從而規避風險[34]。基于上述文獻的研究結果，本文認為：

H3a：隱私控制自我效能對移動學習用戶的隱私信息披露意愿呈正向影響。

感知便利性是指用戶對移動學習平臺能否為其提供便捷高效的服務的認知。學者N.Fortes和P.Rita通過研究發現便利性認知不僅能促進用戶對隱私的披露，還有助于用戶對應用平臺的使用[11]。學者M.J.Keith等指出便利性認知能使用戶更愿意披露自己的個人信息[35]。基于上述文獻的研究結果，本文認為：

H3b：感知移動學習便利性對移動學習用戶的隱私信息披露意愿呈正向影響。

2.2.4 隱私披露意愿對移動學習用戶隱私信息披露意愿的影響

行為意愿反映了個體對是否采取某一特定行為的主觀判斷[19]。本研究中，意愿反映的是用戶對移動學習隱私披露行為的總體評價。N.K.Malhotra和J.Agarwal研究指出隱私披露意愿對隱私披露行為產生正向影響[36]。學者張星等也指出信息披露意愿能夠促進用戶的信息披露行為[24]。通過閱讀有關TPB理論的文獻，可以發現意愿與行為的關系在各類研究中得到強力的實證支持，基于此，本文認為：

H4：隱私信息披露意愿對移動學習用戶的隱私信息披露行為呈正向影響。

3 實證分析

3.1 數據收集與驗證方法

本次調查主要采用網絡問卷調查的方式，問卷以問卷星、微信、QQ等方式發放，邀請好友及其同學進行填寫。調查對象主要有吉林大學、四川大學、重慶大學等高校好友及其同學。此次網絡調查共收回問卷256份。對回收的問卷進行鑒定與篩選，剔除無效問卷。剔除標準為：①整個問卷勾選選項均為同一個選項；②漏答題數超過10個。根據上述標準，共得到有效問卷203份，有效問卷回收率達79.3%。本研究采用結構方程模型（Structural Equation Modeling，簡稱SEM），對上述提出的移動學習用戶隱私信息披露行為影響因素進行驗證分析。

3.2 信度和效度檢驗

信度（Reliability）是指測量結果的一致性或穩定性，是反映被測量因素真實程度的指標[37]。本研究通過克朗巴哈系數（Cronbachs α）來反映測量量表內部的一致性和評價信度的高低。結果顯示移動學習用戶隱私披露意愿影響因素量表的總體Cronbachs α=0.868，說明總測量量表有較好的一致性，信度較高。同時，量表中包含的8個維度的Cronbachs α系數均在0.741～0.862之間，表明量表具備較好的內部一致性與較高的信度。具體數值如表1所示。

效度是指測驗或量表能夠實際測出所需要測量的因素的程度。區別效度是指測量同一潛在特質的各維度間所呈現出的差異[38]。通過比較各變量AVE值的平方根與其它變量間相關系數的大小，可以看出各變量的AVE值的平方根均大于其它變量的相關系數，說明有較好的區別效度。具體數值如表2所示。

3.3 驗證性因子與模型檢驗

驗證性因子分析（Confirmatory Factor Analysis，CFA）可以用來檢驗測量變量與可以解釋變量的因素構念間的關系。因素負荷量（Factor Loading）表示共同因素對測量變量的影響，一般認為因素負荷量值應介于0.50～0.95之間，值越大說明指標變量越能有效地反映其要測得的概念特質[39]。本研究所測得的因素負荷量均在0.668～0.883之間，表示模型的基本適配度良好。多元相關平方（SMC）用于解釋測量變量的信度系數。一般認為多元相關平方值若大于0.50，表示模型內在檢驗良好[40]。測量變量TNR2、TNR3、SI1、PF3、PDB1和PDB2的多元平方相關值介于0.446～0.486之間，接近0.50。除此之外，其余個別測量變量的信度系數均在0.500以上，表明該模型的內在檢驗良好。潛在變量的組合信度（CR）也是判斷模型內在質量的準則之一。本研究所得的組合信度均大于0.740，表示模型內在質量佳。平均方差抽取量（AVE）作為一種收斂效度的指標，能夠反映相對變量的測量誤差，平均方差抽取量越大，測量誤差越小[39]。一般認為平均方差抽取量應大于0.50，本研究所得的平均方差抽取量除互惠規范指標外均達到要求，均大于0.50，表示模型內在質量理想，具體數值如表3所示。

本文使用AMOS24.0對結構模型進行識別評估——所得結果如圖2所示。圖中所示的數值均為標準化路徑系數。標準化系數的大小反映影響程度的大小，數值的正負表示正相關或負相關，并且不同測量變量間的標準化路徑系數可以直接比較，以便度量各種變量間的相對變化水平。

模型擬合指數用于考察理論結構模型與數據的適配程度。AMOS中提供了多種擬合指數，本文主要從簡約適配度指數（X2/df）、絕對適配度指數（RMSEA和GFI）和增值適配度指數（CFI和NFI）對模型的擬合度進行判斷，具體值如表4所示。總體來看模型擬合度較好，可接受擬合。

3.4 參數估計與假設檢驗

本研究采用最大似然法對模型進行運算，Relationship表示變量間正相關或負相關的關系；C.R.表示臨界比值，相當于t檢驗值，如果其絕對值大于1.96，表示估計值達到p=0.05的顯著水平；如果其絕對值大于2.58，表示估計值達到p=0.01的顯著水平。當參數估計值達到顯著水平的路徑系數獲得數據支持，而未達到顯著水平的路徑系數不被數據支持。當顯著性P值小于0.001時，會呈現出“***”的符號，當顯著性P值>0.001時，則P值中會直接呈現P值大小[39]。Standardized Structural Coefficients列為標準化回歸系數值，代表共同因素對測量變量的影響，能夠反映各潛在因素的相對重要性。結構方程模型估計值如表5所示。

從表5可以看出，H1b、H3b和H4的臨界比值分別為-3.352、3.911和6.311，它們的顯著性P值均小于0.001，所以H1b、H3b和H4通過假設檢驗，即感知移動學習風險性對隱私披露意愿產生負向影響、感知移動學習便利性對隱私信息披露意愿產生正向影響和隱私信息披露意愿對隱私信息披露行為產生正向影響。假設H1a的C.R.的值為2.194，大于1.96，P值為0.028，小于0.05；假設H3a的C.R.的值為2.266，大于1.96，P值為0.023，小于0.05；說明其顯著性達到了0.05的水平，即感知移動學習收益性和隱私控制自我效能對隱私信息披露意愿均產生正向的影響。假設H2b的C.R.的值為2.693，大于2.58，P值為0.007，小于0.01，說明其顯著性達到了0.01的水平，即移動用戶社會影響對隱私信息披露意愿產生正向影響。假設H2a的C.R.的值為-0.856，P值為0.392，未達到顯著性水平的要求，故不支持原假設。

3.5 討論分析

結合以上數據分析可以看出模型中所提出的7個假設除假設H2a外均得到驗證支持。現具體分析如下：

3.5.1 行為態度（感知移動學習收益性和風險性）對移動學習用戶隱私信息披露意愿的影響

感知移動學習收益性對移動學習用戶隱私信息披露意愿的路徑系數為0.248，P值為0.028，說明感知移動學習收益性對用戶隱私信息披露意愿產生較大的影響。用戶向移動學習平臺提供個人信息，往往會得到相應的補償，例如資金補償、信息補償或娛樂補償等。目前，移動學習的用戶主要以大學生和白領為主，學習目的多為通過外語考試或是技能考試，具有針對性內容的移動學習應用自然就更受他們的青睞。移動學習的內容形式也愈發豐富化，除了基礎功能模塊外，移動學習平臺也開始推出視頻直播、語音互動等課程，增強與用戶的交互性。各大移動學習平臺也會定期舉行優惠活動或抽獎活動，吸引新用戶，提高老用戶的粘性。

感知移動學習風險性對移動學習用戶隱私信息披露意愿的路徑系數為-0.254，P值小于0.001，說明感知移動學習風險性對隱私信息披露意愿產生顯著的影響，相較移動學習平臺能給他們帶來的收益，他們更加關注信息泄露可能會產生的風險。為了能得到更多個性化的服務，用戶也往往會被要求提供更多的個人信息。在信息大爆炸的時代，信息的管理是一個大難題，對于移動學習平臺來講，所獲取的信息量越大，管理難度也越大，對于用戶的隱私泄露風險也就越高。越來越多移動學習平臺開始提供云端服務，幫助用戶實現在不同時間、不同地點的無縫學習，但是云計算作為多租用戶共享資源，用戶數據耦合性較高，一旦云平臺受到攻擊，大量的用戶信息都會面臨泄露的風險。所以開發商需要綜合考慮收益性和風險性對移動學習平臺的設計、運營和管理。

3.5.2 主觀規范（移動學習用戶互惠規范和社會影響）對移動學習用戶隱私信息披露意愿的影響

移動學習用戶互惠規范對移動學習用戶隱私信息披露意愿的路徑系數為-0.092，P值為0.392，互惠規范對用戶隱私信息披露意愿會產生正向影響的假設并沒有得到驗證。原因可能有多方面。現在眾多的移動學習平臺都開始推出學習社群，增強社交性、互動性，同時也在社群中設置了跟讀練習、打卡曬筆記等功能。但是由于缺乏管理與反饋機制，用戶提供的自身學習信息并沒有得到相應的評價，并且學習社群常常出現許多無效信息，大大降低了用戶的體驗。移動學習平臺用戶基數大，個人需求不能被及時準確地滿足，這也導致了互惠規范水平低。

移動學習用戶社會影響對移動學習用戶隱私信息披露意愿的路徑系數為0.231，P值為0.007，說明移動學習用戶社會影響對用戶隱私披露意愿產生較大的影響。個人的想法很容易受到他人或團體力量的影響，從而使個人的行為態度轉向具有優勢的趨勢。現在很多移動學習平臺都會提供相應的激勵措施來鼓勵用戶披露個人信息，例如已注冊用戶成功邀請好友注冊給予積分獎勵等。信息傳播速度快、范圍廣、影響大，每個用戶都可以成為信息的生產者和傳播者，向他人提供信息并產生影響。如果向移動學習平臺提供個人隱私信息的用戶越多，出于對社會認同感的追求，個體也傾向于披露自己的隱私信息，隱私信息披露意愿也會提高。

3.5.3 行為控制（隱私控制自我效能和感知便利性）對移動學習用戶隱私信息披露意愿的影響

隱私控制自我效能對移動學習用戶隱私信息披露意愿的路徑系數為0.201，P值為0.023，說明隱私控制自我效能對用戶隱私信息披露意愿產生較大的影響。這也在一定程度上反映了自我效能在影響人們選擇和面對事物態度的重要影響。用戶在披露個人信息時，如果認為自己能夠控制隱私不被泄露，隱私披露意愿也會相應提高，進而愿意披露更多的個人信息。目前很多移動學習平臺都會賦予用戶對個人信息的權限，用戶在填寫個人信息后，可以選擇個人信息對他人的可見狀態，增強用戶對信息的控制和對移動學習平臺的信任感。

感知移動學習便利性對移動學習用戶隱私信息披露意愿的路徑系數為0.386，P值小于0.001，說明感知移動學習便利性對用戶隱私信息披露意愿產生顯著影響。移動學習與普通學習相比具有微型化、個性化、及時性等特點，而這些特點使得傳遞信息的效能更高。多數移動學習平臺都采用APP+PC+線下混合學習模式，具有智能推送、斷點續播、課后測試等功能，不僅能保證教學信息傳播的順利進行，還能對用戶學習程度進行檢驗，以便進一步對用戶進行個性化學習方案的制定。

3.5.4 移動學習用戶隱私信息披露意愿對其隱私信息披露行為的影響

移動學習用戶隱私信息披露意愿對其隱私信息披露行為的路徑系數為0.574，P值小于0.001，說明移動學習用戶隱私信息披露意愿對其隱私信息披露行為有直接的顯著影響。隱私信息披露行為主要由隱私信息披露意愿決定，隱私信息披露意愿在感知收益性、感知風險性、互惠規范、社會影響、自我效能和感知便利性中起到中介變量的作用。移動互聯網環境下，移動學習平臺的競爭非常激烈，由于一些移動應用程序濫用權限，過度收集個人信息，甚至將用戶信息泄露給第三方，導致用戶失去信任，不愿意披露個人信息。根據隱私計算理論和數據結論，認為隱私披露所帶來的收益大于其帶來的風險時，用戶會選擇披露自己的個人信息。移動學習平臺開發商有時為了有效降低用戶注冊和使用的門檻，為用戶提供了綁定第三方賬號的服務，同時也降低了自身對新用戶身份鑒別的難度，但是對于用戶而言風險也是存在的，一旦賬號信息被泄露，用戶在別的網站上的信息也會被泄露。因此，對于移動學習應用平臺而言，不僅要向用戶提供合理的隱私保護政策，降低用戶的隱私顧慮，還要合理地收集、存儲和利用用戶信息，增強用戶披露隱私的意愿，促進用戶的隱私披露行為。

4 研究結論

本文結合隱私計算理論和TPB理論，運用實證研究方法分析了移動學習用戶隱私信息披露的影響因素。理論貢獻在于，在隱私計算理論和TPB理論的基礎上，構建了移動學習用戶隱私信息披露行為影響因素的理論模型。該模型揭示了感知移動學習收益性、感知移動學習風險性、移動學習用戶互惠規范、移動學習用戶社會影響、隱私控制自我效能和感知移動學習便利性6個因素對用戶隱私信息披露行為的影響，同時引入用戶隱私信息披露意愿作為中介變量，為移動學習用戶隱私信息披露行為影響因素的分析提供了新的研究視角和構建了新的理論模型。實踐價值在于，運用結構模型方程對所構建的理論模型及研究假設進行驗證。數據研究結果表明，用戶隱私信息披露意愿對隱私信息披露行為有正向影響，感知移動學習收益性、移動學習用戶社會影響、隱私控制自我效能和感知移動學習便利性對用戶的隱私信息披露意愿呈正向影響，而感知移動學習風險性則對用戶隱私信息披露意愿呈負向影響。因此，對于移動學習平臺開發商而言，要完善平臺功能，加強信息安全建設，建立良好的信息反饋機制，增強移動學習的趣味性與交互性，努力為用戶提供更多針對性的信息推送服務和制定更具特色的學習方案。而對于用戶而言，需要加強對網站隱私策略的認識和自己對隱私信息的控制能力，適度地披露信息，以獲得特色化的服務。

在研究中，本文也存在一定的局限性。首先，研究的調查對象主要是針對高校學生，但移動學習的用戶其實分布在各個年齡段，這在一定程度上造成分析結果只代表部分樣本群體的特征。因此在后續研究中，將擴大樣本研究對象的范圍。其次，本研究對年齡、性別等因素之間的關系也沒有進行深入分析，在未來的研究中會將其作為重要的變量進行研究。

參考文獻

[1]竇天芳，張成昱，張蓓，等.移動互聯網與傳統互聯網的服務融合——以清華大學圖書館WAP網站建設為例[J].圖書情報工作，2011，55（9）：67-70.

[2]中文互聯網數據資訊中心.第38次中國互聯網絡發展狀況統計報告[EB/OL].http：//www.199it.com/archives/502934.html，2016-08-03.

[3]中國青年政治學院互聯網法治研究中心.中國個人信息安全和隱私保護報告[EB/OL].https：//www.ishuo.cn/doc/nwdeinqf.html，2017-03-03.

[4]Morosan C，Defranco A.Disclosing Personal Information Via Hotel Apps：A Privacy Calculus Perspective[J].International Journal of Hospitality Management，2015，47：120-130.

[5]Sharma S，Crossler R E.Disclosing too Much？Situational Factors Affecting Information Disclosure in Social Commerce Environment[J].Electronic Commerce Research & Applications，2014，13（5）：305-319.

[6]Bansal G，Zahedi F M，Gefen D.Do Context and Personality Matter？Trust and Privacy Concerns in Disclosing Private Information Online[J].Information & Management，2016，53（1）：1-21.

[7]朱侯，王可，嚴芷君，等.基于隱私計算理論的SNS用戶隱私悖論現象研究[J].情報雜志，2017，36（2）：134-139.

[8]巫月娥.社交電子商務中用戶隱私披露意愿影響因素研究[J].重慶郵電大學學報：社會科學版，2015，27（2）：54-60.

[9]麥范金，張興旺，李晨暉.云圖書館中移動用戶隱私五維保護模型的構建[J].情報理論與實踐，2014，37（4）：92-97.

[10]Westin A F.Privacy and Freedom[J].Michigan Law Review，1968，（33）：173.

[11]Fortes N，Rita P.Privacy Concerns and Online Purchasing Behaviour：Towards an Integrated Model[J].European Research on Management & Business Economics，2016，22（3）：167-176.

[12]張玥，朱慶華.國外信息隱私研究述評[J].圖書情報工作，2014，58（13）：140-148.

[13]謝剛，馮纓，田紅云，等.信息生態視角下移動網絡隱私問題及防治措施[J].情報理論與實踐，2015，38（8）：21-26.

[14]王彥兵，鄭菲.國外SNS用戶個人信息披露實證研究的影響因素及其理論評述[J].情報雜志，2016，35（5）：201-206.

[15]Culnan M J.Protecting Privacy Online：Is Self-Regulation Working？[J].Journal of Public Policy & Marketing，2013，19（1）：20-26.

[16]Ajzen I.The Theory of Planned Behavior[J].Research in Nursing & Health，1991，14（2）：137-144.

[17]馬玉慧，趙樂，李南南，等.新型移動學習資源 ——教育APP發展模式探究[J].中國電化教育，2016，（4）：64-70.

[18]劉百靈，夏惠敏，李延暉.移動購物用戶信息披露意愿影響因素的實證研究——基于公平理論和理性行為理論視角[J].情報理論與實踐，2017，（5）：87-93.

[19]Li H，Sarathy R，Xu H.Understanding Situational Online Information Disclosure as a Privacy Calculus[J].Journal of Computer Information Systems，2010，51（1）：62-71.

[20]Arpaci I，Kilicer K，Bardakci S.Effects of Security and Privacy Concerns on Educational Use of Cloud Services[J].Computers in Human Behavior，2015，45（C）：93-98.

[21]Hsu M H，Kuo F Y.The Effect of Organization-Based Self-Esteem and Deindividuation in Protecting Personal Information Privacy[J].Journal of Business Ethics，2003，42（4）：305-320.

[22]Culnan M J，Bies R J.Consumer Privacy：Balancing Economic and Justice Considerations[J].Journal of Social Issues，2003，59（2）：323-342.

[23]Pentian I，Zhang L，Bata H，et al.Exploring Privacy Paradox in Information-Sensitive Mobile App Adoption：A Cross-Cultural Comparison[J].Computers in Human Behavior，2016，65：409-419.

[24]張星，陳星，侯德林，等.在線健康信息披露意愿的影響因素研究：一個集成計劃行為理論與隱私計算的模型[J].情報資料工作，2016，37（1）：48-53.

[25]Lim N.Consumers Perceived Risk：Sources Versus Consequences[J].Electronic Commerce Research & Applications，2003，2（3）：216-228.

[26]Xu F，Michael K，Chen X.Factors Affecting Privacy Disclosure on Social Network Sites：An Integrated Model[J].Electronic Commerce Research，2013，13（2）：151-168.

[27]黃曉京.霍曼斯及其行為交換理論[J].國外社會科學，1983，（5）：70-73.

[28]Wang L，Yan J，Lin J，et al.Let the Users Tell the Truth：Self-Disclosure Intention and Self-Disclosure Honesty in Mobile Social Networking[J].International Journal of Information Management，2017，37（1）：1428-1440.

[29]李延暉，梁麗婷，劉百靈.移動社交用戶的隱私信念與信息披露意愿的實證研究[J].情報理論與實踐，2016，39（6）：76-81.

[30]Hallam C，Zanella G.Online Self-Disclosure：The Privacy Paradox Explained as a Temporally Discounted Balance Between Concerns and Rewards[J].Computers in Human Behavior，2017，68：217-227.

[31]James T L，Warkentin M，Collignon S E.A Dual Privacy Decision Model for Online Social Networks[J].Information & Management，2015，52（8）：893-908.

[32]Zlatolas L N，Welzer T.Privacy Antecedents for SNS Self-Disclosure[J].Computers in Human Behavior，2015，45（C）：158-167.

[33]Choi B C F，Land L.The Effects of General Privacy Concerns and Transactional Privacy Concerns on Facebook Apps Usage[J].Information & Management，2016，53（7）：868-877.

[34]Wang T，Duong T D，Chen C C.Intention to Disclose Personal Information Via Mobile Applications：A Privacy Calculus Perspective[J].International Journal of Information Management，2016，36（4）：531-542.

[35]Keith M J，Maynes C，Lowry P B，et al.Privacy Fatigue：The Effect of Privacy Control Complexity on Consumer Electronic Information Disclosure[C]// International Conference on Information Systems，2014：C135.

[36]Malhotra N K，Agarwal J.Internet Users Information Privacy Concerns（IUIPC）：The Construct，the Scale，and a Causal Model[J].Information Systems Research，2004，15（4）：336-355.

[37]張虎，田茂峰.信度分析在調查問卷設計中的應用[J].統計與決策，2007，（21）：25-27.

[38]陳維，黃程琰，毛天欣，等.多維測評工具聚斂和區分效度的SEM分析——以領悟社會支持量表為例[J].西南師范大學學報：自然科學版，2016，（2）：136-140.

[39]吳明隆.結構方程模型：AMOS的操作與應用[M].重慶：重慶大學出版社，2010：212-240.

[40]徐萬里.結構方程模式在信度檢驗中的應用[J].統計與信息論壇，2008，23（7）：9-13.

（責任編輯：孫國雷）