测量个人对他人隐私价值看法的心理测量量表（VOPP）

文献标题

A Psychometric Scale to Measure Individuals’ Value of Other People's Privacy (VOPP)

文献信息

• 主题领域: 隐私保护、心理测量、技术采纳
• 关键词: 隐私, 数据追踪, 量表开发, 他人数据隐私, 技术采纳, 行为预测, 心理测量, 交互设计, 数据共享风险, 隐私保护技术

研究背景与问题

• 问题与挑战: 随着技术的发展，人们越来越多地在无意中分享他人的隐私数据，例如通过社交媒体上传他人照片或使用需要访问联系人数据的应用程序。这种“相互依赖隐私”问题目前研究较少。此外，如何量化用户对他人隐私的重视程度尚属研究空白。
• 重要性: 人们通常能够对自己的隐私作出控制，但在他人信息被收集和共享的情况下，隐私保护常常被忽视。这种行为可能导致社会和国家层面的隐私危机，如涉及大规模人脸识别和隐私数据滥用。
• 研究动机: 通过建立一个心理测量工具，以研究用户行为与技术采纳的关系，并支持设计能够保护他人隐私的技术和干预手段。
• 相关工作: 先前的研究多集中在用户对自己隐私的关注和行为，虽然也有部分研究涉及匿名化、权限控制等，但对于如何量化和理解用户对他人隐私重视程度的研究尚不足。

解决方案

• 方法与创新点:

  • 提出了一个新的心理测量构念：“对他人隐私价值的重视程度”（Value of Other People's Privacy, VOPP）。
  • 开发并验证了一种心理测量量表（VOPP量表），用以量化用户注重保护他人隐私的程度。
  • 创新之处在于强调“对他人隐私的价值”这一跨情境的稳定构念，而非仅仅评估隐私态度或关注。

• 实施步骤与技术:

  1. 构念与条目开发:
     • 明确定义“对他人隐私的重视程度”为“个人为保护他人信息赋予的重要性”。
     • 综合理论、相关文献回顾和专家意见，生成初始的87项问卷条目。
  2. 量表开发:
     • 通过统计分析（如项目总分相关性、因子分析）筛选条目，提取单一维度最终保留13项。
     • 校验量表的内部一致性和信效度。
  3. 量表验证:
     • 通过三项实证研究，对量表进行内部一致性（Cronbach’s Alpha）和结构效度（因子分析）的验证。
     • 检测收敛效度和辐合效度，验证量表是否能与相关行为和心理表现正确关联，同时与不相关构念保持区别。

研究成果

• 具体成果:

  1. 量表开发与验证:
     • 开发了一种单一维度的心理测量量表 (VOPP)，包括13个具体条目，旨在测量用户对他人隐私价值的重视程度。
     • 量表的内部一致性高 (Cronbach’s Alpha = 0.92)；其结果表明，所有条目均由“对他人隐私的重视”这一潜在构念驱动。
  2. 与其他心理构念的关系验证:
     • VOPP量表与“利他行为动机”的相关系数显著 (Kendall’s Tau 相关系数 = 0.21)，显示重视他人隐私与社会性行为动机的关联。
     • 同时VOPP量表与“自我利益行为动机”不相关，验证了其效度。

• 优势:

  • 与现有隐私态度或关注量表相比，VOPP量表更稳定，更少受情境影响。
  • 该工具可预测技术采纳相关行为，为设计隐私增强技术（PETS）提供了数据支持。
  • 支持跨文化与跨情境研究，揭示人群隐私行为差异。

• 实验与评估结果:

  • 通过1,450名样本，量表在多次问卷实验中展现了较高的预测能力与稳定性。
  • 结果表明，高重视“他人隐私”的个体在涉及隐私保护的行为（如分享他人照片前询问许可）中表现更为自觉。

• 局限性与未来方向:

  1. 局限性:
     • 数据收集集中于美国，无法完全代表其他文化背景的人群。
     • 项目开发过程中未解决具体情境之间的系统性差异（如数据类型）。
  2. 未来方向:
     • 扩展量表至跨文化研究。
     • 探讨不同数据类型和具体场景对VOPP构念的影响。
     • 对比研究“隐私价值”与“风险感知”等因素的交互作用。
     • 调查如何通过干预提升个人对他人隐私的重视程度，从而促进隐私保护行为。