1. 引言
数字经济时代，用户和商家在海量的数据中各取所需，个性化推荐技术利用数据，为用户提供合适的推荐服务，给商家带来利益，应用在各行各业。然而，随着数据隐私泄露事件的曝光、移动APP过度收集个人信息、霸王条款等，用户对网络应用收集个人信息也存在忧虑。
隐私的概念涉及多个领域，在不同学科领域有其不同的含义。一般而言，隐私分为信息隐私和生理隐私 [1]。信息隐私是指用户控制其他人交换和使用其个人信息的时间、方式和程度的能力 [2]。关于个人信息与隐私的关系，学者认为既有明显的界限也存在部分重合的现象 [3] [4]。《个人信息保护法》规定个人信息是以电子或者其他方式记录的已识别或者可识别的自然人有关的各种信息，不包括匿名化处理后的信息。根据相关学者的研究，本文认为个人信息包含隐私，涉及到的隐私指可识别或者已识别的个人信息。
出于对用户隐私保护和数据安全的考虑，在推荐过程中优化对个人信息隐私数据收集的规定显得格外重要 [5]。近年来，国家相继出台的《中华人民共和国个人信息保护法》《互联网信息服务管理办法》《算法规定草案》中明确规定了网络应用软件收集个人信息需要先获得用户授权。
在用户隐私信息披露意愿的相关研究中，许多学者在研究中一致认为不同个人信息的信息披露意愿不同。例如，马红梅等(2002)将电子商务中的个人信息分为高、低特征信息 [6]。Malhotra (2005)认为不同个人信息对用户的隐私决策有影响，研究涉及了财务信息和个人偏好信息两类 [7]。Hui (2007)在研究中控制了个人信息类型，用高敏感程度信息来研究隐私声明对用户信息披露行为的影响 [8]。梁晓丹(2018)区分高、低敏感程度信息，以研究不同敏感程度信息对用户信息披露意愿的调节效应 [9]。
然而这些研究没有对应用场景进行区分，或者只以某一情境为例。只有较少的学者区分不同网络应用，研究不同网络应用下的用户信息披露意愿。申琦(2015)的研究表明信息类型、网络平台类型对用户信息披露意愿有影响 [10]。高山川(2019)对网络平台收集个人信息进行了研究，其区分了社交、搜索、视频三类网络应用和联系人通讯录、偏好和行为、实时地理位置三类个人信息 [11]。针对不同应用展开对信息征询意愿的研究局限在网络支付 [7]、社交应用 [12]、网络购物 [6] [7] 领域。
基于此，本文通过问卷调查的方式，研究用户在不同网络应用情境下的用户信息披露意愿。为此，设计两个问卷，先筛选出用户隐私敏感程度高的网络应用，再根据对筛选出来的应用情境下的个人信息披露意愿进行调查，以发现人们在具体应用情境下的个人信息披露的规律，为企业制定规范化的用户信息征询策略提供思路。
2. 研究一：网络应用的类型对用户隐私敏感程度的影响
2.1. 研究设计
研究一旨在调查用户在面对不同网络应用时的隐私敏感程度。采用问卷调查的形式。问卷由两部分组成，第一部分为问卷填写者的基本信息，包括性别、年龄和学历；第二部分是用户对不同类型的网络应用的隐私敏感程度的量表。
学者们对网络应用的划分多按照CNNIC的分类或是根据研究特定选定不同的应用进行研究。朱颖等(2016)研究移动APP隐私政策，将应用类型归纳为手机浏览器、新闻资讯类、影音播放类、社交应用类等11类 [13]。何培育(2018)研究了社交、电商、旅游出行、地图导航、理财支付5类手机APP的隐私保护机制 [14]。Yu (2020)研究互联网隐私认知和信息披露，将应用软件归纳为了工具类和情感类 [15]。
中国消费者协会在隐私问题的研究上，2018年在《100款APP个人信息收集与隐私政策测评报告》中将应用软件分为了10类，而2021年在《50款APP账号注销及自动化推荐退订测评报告》则选择了不同的10种平台类型。
由于现阶段平台逐渐向综合化发展，一些平台可能拥有不同功能属性，为了减少平台划分所造成的误差。本文根据CNNIC的划分方法，将网络应用划分为四大类，分别为：基础应用类、商务交易类、网络娱乐类、公共服务类。其中因为长、短视频的信息收集特征相似，所以本文不加分，研究一共包含17个小类。每一类下包含的细分应用如表1所示。
Table 1. The types of network application
表1. 网络应用的类型
网络应用隐私敏感程度的测量采用五级李克特量表的形式。5级李克特量表得分均值在1~2.4之间表示反对，2.5~3.4之间表示中立，3.5~5之间表示赞同，根据用户对网络应用的隐私敏感程度，将选择较敏感的网络应用作为研究二的情境。
2.2. 数据收集
通过问卷星网站于2022年3月16日至3月20日发放，调查问卷一共回收问卷342份，剔除答题选择均为同一选项和规律性作答问卷，得到有效问卷一共300份。
本次调查的男女比例为23:77，女性占比较大。年龄分布中20~29岁占比为92%，30~39占比4%，40~49占比2%，CNNIC第48次互联网发展报告显示网民集中年龄段为20~49岁，本次调查的年龄分布与其基本一致。学历主要为本科和硕士，占比分别为57%和38%。
2.3. 信效度分析
采用SPSS22.0进行数据分析，问卷一设置了用户对17个网络应用隐私敏感程度的五级量表，对该量表进行信度分析，问卷的信度为0.897，接近0.9，表明信度较好。效度分析得到KMO值为0.868 > 0.8，Bartlett球形检验的显著性为0.000 < 0.001，反映效度比较理想。
2.4. 不同网络应用的隐私敏感程度
通过描述性分析的方法可以分析不同网络应用的隐私敏感程度，表2可以看出用户对网络支付的隐私敏感程度最高，为4.21，其次是网络购物、互联网理财。敏感程度大于3.5的还有在线旅游预订、网上外卖和即时通信。
Table 2. Descriptive statistical analysis results
表2. 描述性统计分析结果
3. 研究二：个人信息的类型对用户信息披露意愿的影响
3.1. 研究设计
根据研究一的结果，选取了用户隐私敏感程度大于3.7的网络应用类型，分别为网络支付、网络购物、互联网理财、在线旅游预订和网上外卖。研究二在研究一得出的敏感程度高的应用情境下，再筛选用户信息披露意愿较低的个人信息类型。
研究二的调查问卷由二部分组成，第一部分是个人基本信息，包括性别、年龄和学历三大内容。第二部分是为找到敏感程度高的个人信息类型，设计的不同情境下的个人信息的信息披露意愿量表。
根据隐私政策信息收集的文本内容和马红梅(2002)、甘利人(2002)、梁晓丹(2018)的研究，发现涉及个人隐私的信息通常都包括身份识别信息、财务信息、上网行为信息、设备信息、位置信息五大内容 [6] [9]。
1) 身份识别信息是用以识别个人基本身份的信息，包括身份证件号码、个人联系方式、面部特征信息、第三方账号信息等，平台可以据此确认个人身份，或进行个人身份的比对和匹配。
2) 财务信息是与用户资金相关的数据，包括银行卡号、收入账户、虚拟财产信息、个人信用等，根据财务水平，商家可提供更适合的服务或产品。
3) 位置信息是地理位置信息或周边环境信息，包括定位信息、联系地址等，其中定位信息可以利用GPS等精准定位，可利用基站信息等模糊定位。
4) 上网行为信息包括搜索记录、浏览记录、点击记录等。用户的每次搜索点击，都可能成为推荐的线索。
5) 设备信息主要指智能终端信息，比如手机的唯一标识码、操作系统、应用列表等，由于唯一标识码的准确性，服务商向用户推荐其感兴趣的内容就更方便了。
根据学者们的研究及中国个人信息安全规范，本文选取了以下16种信息来测量用户的信息披露意愿，详见表3。相应的题项设置例如：“以下网络应用请求获取您的第三方账户信息，您是否愿意授权”。
Table 3. The types of personal information
表3. 个人信息的类型
3.2. 数据收集
在问卷星平台上于2022年3月25日至3月29日发放问卷，一共回收问卷338份，其中设置联系地址和通讯地址作为一组甄别题目，通过筛选得到有效问卷299份。
本次调查的男女比例为28.8:71.2，年龄集中在20~29，占比第二、第三的为30~39，40~49岁，分别占总样本数的4.3%和3.7%。本次调查的年龄分布与CNNIC调查的网民集中年龄段一致。学历集中在本科和硕士以上，占比分别为52.2%，41.5%。
3.3. 信效度分析
采用SPSS22.0进行数据分析，问卷采用五级李克特量表的形式测量用户对16种个人信息的披露意愿，对该量表进行信度分析，信息项目量表的信度大于0.8，表明信度较好。对量表做效度分析，采用KMO和Bartlett检验，将信息归类分别检验效度。各类信息的KMO值均 > 0.8，Bartlett球形检验的显著性为0.000 < 0.001，反映量表的整体效度比较理想。
3.4. 不同应用情境下的用户信息披露意愿
考虑到不同情境下用户对同一种信息的信息披露意愿存在差异性，因此在特定网络应用情境下对用户信息披露意愿进行了描述统计分析。不同个人信息在网络支付、网络购物、互联网理财、在线旅游预订、网上外卖情境下的信息披露意愿比较的结果如表4所示。
网络支付情境下浏览记录、搜索记录、精确位置、已安装应用列表的信息披露意愿的平均值小于2.4，说明信息披露意愿低。
网络购物情境下，设备唯一标识码、已安装应用列表两类个人信息的信息披露意愿的平均值小于2.4，信息披露意愿低。而大致位置、联系地址、第三方账号信息、交易金额、手机号码的信息披露意愿平均值大于3，用户信息披露意愿更高。
互联网理财情境下，各个人信息项目的平均值均小于3，说明信息的信息披露意愿并不高。其中，信息披露意愿的均值大于2.4的个人信息分别为第三方账号信息、操作系统、交易金额和手机号码。
在线旅游预订情境下，设备唯一标识码、银行卡号、面部特征信息、搜索记录、浏览记录、已安装应用列表、精确位置和点击记录的信息披露意愿均低于2.4，信息披露意愿低。而信息披露意愿最高的手机号码也仅为3.201。
网上外卖情境下，身份证号、银行卡号、面部特征信息、设备唯一标识码、已安装应用列表的信息披露意愿为升序排列的前5，平均值小于2.4，这些信息的信息披露意愿均不高。
Table 4. Descriptive statistical analysis of the combinations of network application and personal information
表4. 个人信息和网络应用组合的描述性统计分析
3.5. 网络应用及个人信息组合差异性分析
根据上述分析，可以看出在网络支付、网络购物、网上外卖、在线旅游预订四类应用情境下用户信息披露意愿较低的信息类型均有点击记录、浏览记录、搜索记录、已安装应用列表。但具体这些网络应用和个人信息的组合是否存在显著差异还需要进一步分析。问卷中涉及的自变量有网络应用、个人信息，因变量是用户信息披露意愿。因此，适合于用双因素方差分析的方法检验各组合间是否存在差异。
表5方差齐性检验表结果显示，P值为0.190 > 0.05，通过检验。从表6可以看出，网络应用的P值为0.011 < 0.05，各水平之间有显著差异，个人信息的P值0.277 > 0.05，各水平之间无显著差异，因素A和因素B的交互效应P值0.732 > 0.05，无显著差异。
Table 5. Homogeneity test table of variances
表5. 方差齐性检验表
为了知道各因素条件下的具体差异，通过事后检验的方法进行分析。表7网络应用各水平的多重比较表可以看出，在线旅游预订和网络支付的信息披露意愿相似，网上外卖和网络购物的信息披露意愿相似，其中在线旅游预订和网络支付对信息披露意愿的影响较网络购物和网络外卖有些差异，但其均值均小于2.5，差异不大。表8可以直观地看出已安装应用列表、搜索记录、点击记录的信息披露意愿没有显著差异。
Table 7. Multiple comparison table of different network applications (Duncan method)
表7. 网络应用各水平的多重比较表(Duncan法)
Table 8. Multiple comparison table of different personal information (Duncan method)
表8. 个人信息各水平的多重比较表(Duncan法)
4. 结论与启示
4.1. 研究结论
本文通过问卷调查的方式研究不同的网络应用情境下用户对不同个人信息的信息披露意愿，问卷一和问卷二的调查人群以上海和四川两地20~29岁的本科、硕士为主。非参数检验结果均表明性别、年龄、学历的不同不会对不同网络应用、不同信息类别的信息披露意愿产生影响，得到以下结论。
1) 人们对不同网络应用的隐私敏感程度存在差异，根据5级李克特量表的评分标准，网络支付、网络购物、互联网理财、在线旅游预订、网上外卖的隐私敏感程度均值大于3.7，是隐私敏感的应用情境。
2) 相同个人信息在不同网络应用情境下的信息披露意愿存在差异。当单独问人们的信息披露意愿时，信息披露意愿均较低。其中设备信息和上网行为信息用户的信息披露意愿低，可能的原因是用户对这些信息的使用目的和方式不了解，比较敏感。
3) 不同个人信息在同一情境下的信息披露意愿不同，在网络支付、在线旅游预订、网上外卖、网络购物情境下，点击记录、搜索记录、浏览记录、已安装应用列表的用户隐私信息敏感程度无差异。其中互联网理财情境下用户敏感的信息类型较多，其可能的原因是调查者多为学生，对该类应用的了解较少，且涉及的金额较大，用户比较敏感。
4.2. 管理启示
数字经济时代，为促进人工智能等的发展，需要收集海量的用户数据，对于监管部门来说，过度严格的数据保护并不利于数字经济建设，数字披露和数据保护之间的动态平衡需要网络应用平台、监管部门的协调合作，根据上述研究结论，归纳以下管理启示。
1) 网络应用平台应该重视信息征询的内容表达，并根据其服务的特点合理收集用户信息，对于用户认知较低的个人信息类型，还应该在信息征询的基础上加以介绍说明。以位置信息为例，在网上外卖情境下，用户的信息披露意愿较高，而在网络支付情境下用户的信息披露意愿较低，用户在进行信息披露时，会和应用本身的特点联系起来，非该应用的核心功能，用户的信息披露意愿较低。因此，网络应用平台需要重视个人信息征询的内容表达，有针对性的收集信息。而设备识别码这样出于网络安全考虑收集的个人信息，因为用户对这类设备信息较为生疏，在进行信息披露时会产生困惑，甚至会怀疑其用途，从而不进行信息披露，企业在进行信息收集时还需要对其进行解释，以合理收集所需信息。
2) 网络应用平台应将信息的管理权交还给用户，明确告知信息收集的内容、用途，设置查看，删除个人信息的方式，以建立用户和平台间的信任。即使是点击、浏览、搜索记录这类对于个性化推荐来说必要的上网行为信息，用户的信息披露意愿也不高。其可能是国内隐私泄露事件，窃听事件的发生，加剧了用户的隐私担忧，即使是不能直接辨别身份的个人信息，用户也并不愿意披露。因此，为减少用户过度的隐私忧虑，网络应用平台应该对用户信息收集的内容等进行告知，提供用户可以查看，修改的方式。将信息管理权交给用户，增加用户信任。
3) 监管部门对网络应用平台不合理收集用户信息的行为应该进行规范整治，完善相应法律法规。通过法律手段保障用户个人信息的安全；在以往学者的研究中，个人上网行为信息的隐私敏感程度并不高，而随着时间的推移，隐私泄露事件的发生，人们对不同信息的隐私敏感程度发生了变化，因此，为促进人工智能、个性化推荐等的发展也需要对个人信息的内容、使用途径、收集必要性等进行科普宣传，以减少用户由于认知偏差等造成的过度隐私忧虑。通过营造安全的网络环境氛围，实现数据披露和数据保护的动态平衡。