分裂之家：美国政治如何影响未来大流行病中接触者追踪的采用

研究背景与问题

• 作者发现的问题或挑战:

  • 在COVID-19疫情期间，美国的接触追踪应用采纳率较低（约14%），远低于其他国家的平均采纳率（如欧洲的22.9%）。
  • 政治信仰在受众对COVID-19的态度以及接触追踪应用采纳中的作用显著，尤其是美国的高度政治化环境进一步弱化了应用采纳。
  • 个体愿意共享健康状况的意愿受到隐私顾虑、公民责任感和社会信任等因素的影响。

• 问题的重要性:

  • 接触追踪被认为是限制传染病传播的有效工具，尤其是在高采纳率的国家（如中国）。
  • 政治化对公共健康技术的影响可能会限制未来疫情中的应急工具有效性，并对公众健康造成长期负面影响。
  • 随着未来全球疫情爆发可能性增加，识别阻碍技术采纳的因素至关重要。

• 研究动机与相关工作:

  • 现有文献已探讨隐私、社会信任和年龄等因素对接触追踪采纳的影响，但对政治意识形态影响的研究较少。
  • 与以往H1N1疫情不同，COVID-19表现出高度的政治两极化，这一现象可能对疫情技术工具的采用产生独特影响。

解决方案

• 作者提出的解决方案或研究设计:

  • 基于理论模型建立结构方程模型（SEM），并通过问卷调查 (N=302) 分析政治信仰、隐私顾虑、COVID-19态度及接触追踪效益认知间的关系。
  • 通过定量分析结合定性分析，探索个体接触追踪应用采纳及健康信息披露意愿的影响因素。

• 创新之处:

  • 本研究首次将政治意识形态纳入接触追踪应用采纳分析框架，揭示其对COVID-19态度建构及间接影响的重要性。
  • 提出未来接触追踪系统设计的具体改进建议，以应对政治因素影响和公众隐私顾虑。

• 实施步骤与关键技术:

  1. 量化模型设计:
     • 通过调查政治信仰（通过保守到自由的单一维度量化）、隐私顾虑（基于IUIPC量表）、和COVID-19态度（如担忧程度、医院容量等）。
     • 构建接触追踪效用模型，包括对自身和他人健康保护的效用认知。
  2. 结构方程建模（SEM）:
     • 初始模型假设多个变量之间的相关性，并逐步调整模型以去除不显著路径。
  3. 定性分析:
     • 通过开放式问题揭示用户对隐私和应用效用的细微态度及动机，进行主题分析以识别潜在行为模式。

研究成果

• 具体成果:

  • 政治信仰显著影响COVID-19关切（偏自由倾向显著更高，β=0.62, p<0.001）及接触追踪应用的采纳（β=0.23, p=0.004）。
  • 隐私顾虑对应用采纳影响不显著（β=-0.07, p=0.266），但显著影响信息披露意愿（β=-0.17, p=0.004）。
  • 忧虑COVID-19的个体倾向认为接触追踪有益于保护他人健康（β=0.28, p<0.001），但其对自我保护的效用认知不足以驱动应用采纳。

• 与现有解决方案的比较与优势:

  • 对比过往研究，隐私顾虑较少影响接触追踪在疫情紧急时采纳，显示卫生紧急情况可能缓解隐私权焦虑。
  • 提供以政治信仰为核心的技术设计和公共健康传达建议，填补现有文献在该领域的空白。

• 实验或评估结果:

  • SEM模型展现良好的数据拟合度（RMSEA=0.042, CFI=0.969, TLI=0.960）。
  • 用户对接触追踪不满的定性分析暴露了效用感知（如疾病传播数据准确性和系统协调性）中的问题。

• 局限性与未来方向:

  • 研究数据基于美国人口样本的自我报告，并未直接观察实际行为，未来可尝试行为跟踪研究。
  • 应进一步考察不同社会文化背景下（非西方国家）的模型适用性及政治意识形态影响比较。
  • 建议未来研究探讨COVID-19之外的其他疫情情景下接触追踪的设计接受度及长期态度变化。