青年用户对短视频平台算法推 荐的隐私感知和持续使用意愿研究

II摘要在人工智能时代，由算法推荐形成的“算法凝视”改变了隐私对个人身份的赋能方式，导致身份失控危机，而隐私保护成为维护个人身份自治的关键。当前对短视频算法推荐的研究主要集中于其运行机制和社会影响方面，鲜少关注用户的隐私感知对短视频持续使用意愿的影响。研究基于隐私计算理论和信息生态理论，招募406名中国青年短视频用户，并通过隐私关注（PA）量表、算法满意度（AS）量表和持续使用意愿（CI）量表进行问卷调查，深入探讨了隐私感知与持续使用意愿之间的关系，以及算法满意度在其中的中介作用。结果显示：感知威胁性和信息过载负向影响算法满意度；隐私关注、自我效能、感知个性化和平台信任正向作用于算法满意度；算法满意度正向影响持续使用意愿；算法满意度在感知风险、感知收益与持续使用意愿之间起中介作用。上述结果揭示了算法依赖下青年用户的隐私保护行为策略及心理感知，对平台优化算法推荐机制和平台生态系统有一定的实践启示。关键词：短视频平台，隐私计算理论，信息生态理论，隐私感知，持续使用意愿

AbstractIntheeraofartificialintelligence,the'algorithmgaze'formedbyalgorithmrecommendationhaschangedthewayprivacyempowerspersonalidentity,leadingtoacrisisofidentityoutofcontrol,andprivacyprotectionhasbecomethekeytomaintainingpersonalidentityautonomy.Thecurrentresearchonshortvideoalgorithmrecommendationmainlyfocusesonitsoperatingmechanismandsocialimpact,andpayslittleattentiontotheimpactofusers'privacyperceptiononthewillingnesstocontinueusingshortvideo.Basedonprivacycomputingtheoryandinformationecologytheory,thisstudyrecruited406youngChineseshortvideousers,andconductedaquestionnairesurveythroughthePrivacyConcern(PA)scale,AlgorithmicSatisfaction(AS)scaleandContinuanceIntention(CI)scale,inordertodeeplyexploretherelationshipbetweenprivacyperceptionandthewillingnesstocontinuetouse,aswellasthemediatingroleofsatisfactioninthisrelationship.Theresultsshowthatperceivedthreatandinformationoverloadnegativelyaffectsatisfaction;privacyconcern,self-efficacy,perceivedpersonalizationandplatformtrustpositivelyaffectsatisfaction;satisfactionpositivelyaffectsthewillingnesstocontinuetouse;satisfactionplaysamediatingrolebetweenperceivedrisk,perceivedbenefitandcontinuoususeintention.Theaboveresultsrevealtheprivacyprotectionbehaviorstrategiesandpsychologicalperceptionofyoungusersunderalgorithmdependence,andhavecertainpracticalimplicationsfortheplatformoptimizationalgorithmrecommendationmechanismandplatformecosystem.Keywords：shortvideoplatform,privacycomputingtheory,informationecologytheory,privacyperception,willingnesstocontinueusing

目录TOC\o"1-3"\h\u30369摘要 27587Abstract 3134551绪论 6271731.1研究背景 6163231.2研究现状 7275111.2.1算法推荐研究 7295971.2.2隐私感知研究 7180711.2.3短视频持续使用意愿研究 891751.3理论基础与研究假设 8611.3.1理论基础 8272721.3.2研究假设 9228811.4研究方法与思路 13161581.4.1研究方法 1312141.4.2研究思路 13261782研究设计 1596552.1问卷设计与量表 1525022.2调查对象与数据收集 16192023实证分析与假设检验 182613.1信效度分析 18276503.2共同方法偏差 19218673.3描述性统计与相关性分析 19260513.4假设检验与中介效应检验 20112503.4.1模型拟合评价 2074033.4.2路径系数分析 20173733.4.3中介效应检验 21215374研究总结 23317374.1研究结论 236944.1.1理论贡献 2469484.1.2管理启示 2455284.2研究不足与展望 2415864结论与展望 265330参考文献 276849致谢 32

绪论1.1研究背景随着互联网的飞速发展和智能设备的广泛应用，我国网民规模逐渐扩大，同时抖音、快手等短视频平台作为互联网中的新鲜事物，更是凭借其便捷的创作工具、丰富多样的内容形式和强大的社交互动功能，实现了用户规模的大幅度增长。中国广视索福瑞媒介研究机构（CSM）所公布的《第七次短视频用户价值年度调研报告》中的相关数据显示，在2024年上半年期间，我国年龄达到10岁及以上的网民群体中，短视频的使用率呈现出上升趋势，已升至94.5%的水平。短视频在媒介生态中的地位稳固，连续七年保持网民使用率首位。短视频用户日均观看短视频的时长与2023年持平，趋稳于85分钟REF_Ref1298\r\h[1]。图STYLEREF1\s1-SEQ图\*ARABIC\s112020.12-2024.06短视频用户规模（数据来源：国家广播电视总局）短视频平台通过收集到的标签、兴趣、历史足迹等数据来构建用户画像，从而实现个性化的算法推荐，这既可以为用户提供沉浸式的使用体验，也助力平台吸引并留存规模庞大的用户群体。算法推荐技术虽然提供了诸多便捷，但也不可避免地对使用者的隐私构成了侵犯。为了实现更精准的内容推送，平台收集并分析用户大量的个人隐私信息，包括用户的兴趣爱好、行为习惯、社交关系等。由中国互联网协会发布的《中国网民权益保护调查报告》揭示了一个值得关注的现象，高达49.7%的网民认为个人信息泄露问题已达严重程度，82.3%的网民表示已切实体会到个人信息泄露所带来的负面影响REF_Ref4096\r\h[2]。尽管多数用户已深刻感受到自己的隐私遭受侵害，但短视频用户规模却呈现出不降反升的趋势。用户一方面对隐私信息泄露问题忧心忡忡，另一方面又主动在网络空间中披露个人信息，这一矛盾现象被学界称为“隐私悖论”REF_Ref26424\r\h[3]。青年用户作为短视频平台的核心用户群体，他们对短视频平台算法推荐的隐私感知和持续使用意愿都值得深入探讨。通过对青年用户的调查分析，平台可以更好地了解用户需求，优化服务策略，优化用户使用感受，更为妥善地协调个性化服务供给与用户隐私保护之间的动态平衡。1.2研究现状1.2.1算法推荐研究算法推荐指的是算法模型通过分析使用者的基本信息，为其推荐个性化的内容REF_Ref26950\r\h[4]。当下针对算法推荐所开展的研究主要聚焦于4个方面：（1）算法推荐的运行机制层面，研究者发现目前短视频平台主要有协同过滤、精准分发和智能叠加三种推荐机制REF_Ref23333\r\h[5]REF_Ref23349\r\h[6]；（2）在算法推荐的伦理问题上，研究者发现算法技术带来了算法偏见REF_Ref23395\r\h[7]、信息茧房REF_Ref23440\r\h[8]、算法囚徒REF_Ref23486\r\h[9]、算法黑箱REF_Ref23532\r\h[10]等一系列问题。与此同时，还有研究者发现个体在使用智能推荐技术时，隐私关注、隐私保护和隐私倦怠心理均会显著作用于其信息安全行为REF_Ref23591\r\h[11]；（3）在算法感知方面，研究者借助问卷调查的方式展开研究，结果显示，在参与调查的1075人中，有67%的个体在使用新闻推荐算法时能够感知其存在，然而对于算法的具体运行机制却缺乏深入理解。同时，约半数的受访者能够意识到推荐算法可能引发的潜在风险，但这种风险认知的程度则受到使用时长、地域差异、教育背景以及媒介素养水平等多重因素的影响REF_Ref23809\r\h[12]。（4）在算法推荐对用户的影响上，研究者探究用户对算法技术的选择与应用行为时发现，尽管用户对于算法技术持有“愤怒且批判”的态度，但他们依旧认为算法在当下是难以避免的REF_Ref20844\r\h[13]。部分学者聚焦于电子商务平台展开研究，其研究结果显示，作为消费者的用户，若对推荐内容的个性化程度给予较高评价，那么他们对平台的信任度以及认知价值感知也会相应提升，这进一步影响了消费者的决策过程及其最终选择REF_Ref26255\r\h[14]。然而用户并非完全被动地接受算法的“投喂”，面对算法技术对日常生活的渗透，不同个体基于自身主观体验形成了多样化的评价，并展现出不同程度的反应。部分用户能够迅速适应算法环境，表现出高度的平台忠诚度；而另一些用户则可能因感到受到算法限制而选择抵抗或彻底离开REF_Ref26135\r\h[15]。1.2.2隐私感知研究目前专门针对“隐私感知”的研究较少，其相关研究主要集中于以下2个方面：（1）在隐私关注的研究方面，学者们主要集中于其影响因素与行为反应上。首先，关于隐私关注的影响因素，近年来不同学者从不同方面进行了一系列探索，研究发现第三人效应REF_Ref27679\r\h[16]、隐私侵犯经历REF_Ref27784\r\h[17]、用户个性特征REF_Ref27921\r\h[18]REF_Ref28146\r\h[19]、自我效能感REF_Ref28225\r\h[20]REF_Ref28414\r\h[21]等因素对用户的隐私关注均有影响。其次，在行为反应上，学者们发现隐私关注在一定程度上会影响隐私披露行为，有时还会导致认知与行为不一致的矛盾现象。研究者通过构建隐私披露意愿的结构模型，发现隐私关注会负向影响隐私披露意愿REF_Ref29671\r\h[22]。用户声称的隐私关注和态度与其实际披露行为相违背的现象被称作隐私悖论，研究者运用隐私计算理论和计划行为理论，构建了SNS用户的隐私悖论形成路径。研究发现，感知风险会降低用户的隐私披露意向，隐私关注在其中起到中介作用，而感知收益正向影响隐私披露意向，导致了隐私披露行为的发生，所以才会出现隐私悖论这一现象REF_Ref29766\r\h[23]。（2）在隐私风险感知的研究领域，当前研究主要聚焦于两大方面：一是剖析影响隐私风险感知形成的多元因素；二是考察隐私风险感知作为前置变量，如何作用于并影响个体的隐私行为。信息敏感性、隐私倾向、隐私经历、隐私关注、感知有用性和信任等均会影响隐私风险感知REF_Ref30053\r\h[24]。隐私风险感知也会影响隐私披露、隐私关注、隐私意识和隐私保护行为REF_Ref30370\r\h[25]。1.2.3短视频持续使用意愿研究短视频持续使用意愿指的是用户对于长期使用短视频的意愿程度，现有研究主要集中于以下3个方面：（1）短视频使用意愿的影响因素研究，研究发现绩效期望、社会影响REF_Ref30710\r\h[26]、感知情感价值、感知审美价值REF_Ref30817\r\h[27]等正向影响持续使用意愿，感知过载、感知侵入、隐私担忧REF_Ref5359\r\h[28]等负向影响持续使用意愿。（2）在不同短视频平台的使用意愿上，研究者分别以抖音、快手、微信视频号、B站等不同类别的平台为背景，探究特定情境下用户的持续使用意愿。以抖音为例，研究者发现满意度会受到感知趣味性和感知有用性的正向影响，同时满意度正向影响持续使用意愿REF_Ref5528\r\h[29]。（3）在不同短视频内容类别的使用意愿方面，学者们聚焦于各个类型的短视频，如知识类REF_Ref5643\r\h[30]、传统文化类REF_Ref5767\r\h[31]、健康类REF_Ref5786\r\h[32]、政务类REF_Ref5809\r\h[33]等等。为特定的短视频内容创作者提供了发展思路和优化建议。综上所述，国内外研究大多关注短视频算法推荐的运行机制和社会影响方面，对其持续使用意愿的研究较少，而且少有学者关注用户的隐私感知对短视频持续使用意愿的影响。1.3理论基础与研究假设1.3.1理论基础（1）隐私计算理论隐私计算理论认为个体在披露自己的信息之前，会对其造成的风险和得到的收益进行计算REF_Ref6208\r\h[34]。若收益大于风险，用户就会选择披露自己的信息，反之，当用户认为风险大于收益时，则不会披露自己的隐私。感知收益和感知风险是隐私计算理论的两大核心要素。在以往的研究中，感知收益被定义为个体在披露个人隐私信息过程中，主观上认为能够从中获得的各种积极影响和好处。它是个体对隐私信息披露行为所带来的潜在收益的一种主观评估，这种评估会影响个体是否愿意在特定情境下披露隐私信息。就短视频平台的用户而言，其感知到的收益可具体体现为：通过平台算法获得的个性化内容推荐服务、在平台上进行自我展示与形象塑造以及在分享个人创作或生活片段的过程中所体会到的社交互动乐趣与满足感等。而感知风险是指个体在进行信息披露时，主观上对可能导致个人隐私遭受侵犯或泄露而产生的不利后果的担忧和认知。用户的感知风险来自于对于自身隐私信息的关注、披露信息的类型和数量、自身过往的隐私侵犯经历等等。（2）信息生态理论信息生态理论是一门融合了信息科学、生态学等多学科知识的理论，由B.A.Nardi等在1999年提出，该理论认为信息生态系统由特定环境背景中的人、实践、技术和价值四大核心要素共同构成REF_Ref6678\r\h[35]。随着对信息生态系统研究的不断深化，国内学者开始聚焦于其构成要素，即信息生态因子。具体而言，信息生态因子涵盖了信息人、信息、信息技术和信息环境４个维度。其中，信息人包括个人、组织和社会群体等，他们具有不同的信息需求、信息素养和信息行为；信息是信息生态系统的核心要素，信息的质量、数量、时效性等对信息生态系统均具有重要影响；信息技术是信息生态系统的关键支撑要素，不仅为系统运行提供基础保障，更能促进整个系统的动态演进与持续优化；信息环境是信息主体获取便捷信息的渠道，良好的信息环境能够保障信息的安全和有序流动。本论文在探究短视频平台用户的持续使用意愿时，将短视频平台视作一个小型信息生态系统，从信息人、信息技术、信息环境3个维度进行深入剖析，能够更为全面地概括出影响用户持续使用意愿的因素。1.3.2研究假设（1）感知风险与满意度感知风险是隐私计算理论中的一个核心概念。根据信息生态理论，在短视频平台这个信息生态系统中，感知风险可以分为信息人、信息技术和信息环境这三个维度。在信息人方面，选取“隐私关注”作为研究变量。邓君等以知乎用户为研究对象，发现隐私关注会正向影响用户对平台的不满意度，从而影响其非持续使用意愿REF_Ref6812\r\h[36]。金恒江等在研究在线健康社区中发现，健康隐私关注对用户的满意度具有负向作用REF_Ref6890\r\h[37]。短视频平台的智能推荐功能通过收集、整合、分析用户的个人信息，为用户提供高度个性化的内容推荐服务，然而这一过程不可避免地涉及用户隐私信息的处理，存在隐私泄露的风险。当用户感知到这种风险的存在时，会高度关注自己的隐私问题，进一步影响用户对短视频平台的态度。信息技术方面选取“感知威胁性”这一变量。感知威胁性指的是个体主观上对信息技术所带来威胁的认知和评估，高丽华等基于隐私计算理论发现消费者对互联网定向行为广告的感知威胁性负向影响其隐私披露意愿REF_Ref7031\r\h[38]。在短视频平台中，用户可能会感知到平台对其个人信息的侵犯以及其所带来的后果对自身造成的威胁，进而影响用户对短视频平台的态度。信息环境方面选取“信息过载”这一变量。短视频平台借助智能推荐功能将信息以更具个性化、碎片化、即时性的特点呈现在用户面前，当用户所接触到的信息量超出了其实际需求以及心理承受范围时，便容易产生信息疲劳感，这种疲劳感会进一步削弱用户对短视频平台的持续使用意愿。国外学者BrightLF等研究发现，信息过载会导致用户的满意度下降REF_Ref7259\r\h[39]。张敏等的研究也发现，信息过载会显著降低用户的使用满意度，并影响对感知隐私风险的认知REF_Ref7364\r\h[40]。因此，本文提出以下假设：H1：感知风险负向影响算法满意度。H1a：隐私关注负向影响算法满意度。H1b：感知威胁性负向影响算法满意度。H1c：信息过载负面影响算法满意度。（2）感知收益与满意度感知收益指用户对实际参与行为带来的利益感知，包括功能利益和情感利益。同样基于信息生态理论，感知收益也可以划分为信息人、信息技术和信息环境这3个维度。在信息人方面，选取“自我效能感”作为研究变量。范梓腾等研究发现自我效能感较强的用户通常认为其在与算法系统的交互过程中能够维持自主性，并且更乐于在社交媒体平台上运用推荐算法技术来获取个性化服务REF_Ref7462\r\h[41]。具体到短视频平台的应用场景，自我效能感强的用户往往坚信自身具备有效保护个人信息不被平台侵犯的能力，这种信念促使他们对平台形成更为积极的态度。信息技术方面选取“感知个性化”这一变量。个性化算法推荐的本质在于整合用户基础信息和行为数据，通过算法分析短视频用户的内容偏好以预测用户需求，高度个性化的内容能够满足用户的独特需求，进而触发其对特定产品或服务的积极反应。DeKeyzer等对社交媒体网络中的个性化推荐广告展开研究，结果显示消费者对广告个性化的感知能够显著增强其点击意愿，并促进对品牌积极态度的形成REF_Ref7792\r\h[42]。张生太等研究发现，在短视频平台环境下，感知个性化有助于降低用户的信息获取成本以及平台使用成本，进而增强用户的沉浸体验，提高用户对平台的满意度REF_Ref7919\r\h[43]。信息环境方面选取“平台信任”这一变量。刘百灵等基于移动购物应用的研究指出，信任代表了一种积极的态度和满意度，用户的信任能够影响持续使用移动购物应用的意愿REF_Ref8288\r\h[44]。在短视频平台中，用户对平台的信任也代表了用户对平台的一种满意度。因此，本文提出以下假设：H2：感知收益正向影响算法满意度。H2a：自我效能正向影响算法满意度。H2b：感知个性化正向影响算法满意度。H2c：平台信任正向影响算法满意度。（3）满意度与持续使用意愿算法满意度通常被界定为用户对短视频平台算法推荐功能的主观评价，它不仅反映了用户对平台功能的认可程度，还深刻影响着用户后续的使用行为。用户对短视频平台的算法满意度越高，其未来持续使用该平台算法推荐机制的意愿便越强烈。万立良等以微信视频号作为研究的具体情境，以期望确认模型为基础构建持续使用意愿的研究模型，发现满意度正向影响持续使用意愿REF_Ref8503\r\h[45]。因此，本文提出以下假设：H3：算法满意度正向影响持续使用意愿。（4）满意度的中介作用基于上述假设，本研究认为影响算法满意度的前置变量包括感知风险（隐私关注、感知威胁性、信息过载）和感知收益（自我效能、感知个性化、平台信任），信息人、信息技术及信息环境这三方面的因素共同对用户的算法满意度产生影响，进而作用于其持续使用意愿。因此，我们做出如下假设：H4a：算法满意度在隐私关注、感知威胁性、信息过载与持续使用意愿的关系中起中介作用。H4b：算法满意度在自我效能、感知个性化、平台信任与持续使用意愿的关系中起中介作用。综合以上理论分析，构建出本文的研究模型如REF_Ref8859\h图STYLEREF1\s1-2所示。图STYLEREF1\s1-SEQ图\*ARABIC\s12研究模型本文的研究模型一共涉及8个变量：隐私关注、感知威胁性、信息过载、自我效能、感知个性化、平台信任、算法满意度和持续使用意愿，结合相关文献研究，对模型涉及的变量做如下界定。如REF_Ref28481\h表STYLEREF1\s1-1所示：表STYLEREF1\s1-SEQ表\*ARABIC\s11变量阐释变量名称变量定义隐私关注用户对个人信息被短视频平台收集、使用、传播等情况的关注程度感知威胁性用户在使用短视频平台智能推荐功能时，对其个人信息遭受侵犯的感知程度信息过载用户在使用短视频平台智能推荐功能时，由于信息种类繁多感到负担过重自我效能用户相信自己有能力采取措施保护自己的隐私不受短视频平台侵犯感知个性化用户在使用短视频平台智能推荐功能时，对与个人信息、偏好等相关的个性因素的感知程度平台信任用户对短视频平台的可靠性、安全性以及保护其个人隐私的能力所抱有的信心和期望满意度用户对短视频平台智能推荐功能的使用体验的满意程度持续使用意愿用户对短视频平台和其智能推荐功能的继续使用意愿与积极程度1.4研究方法与思路1.4.1研究方法（1）问卷调查法问卷调查法的核心在于设计结构严谨、内容详尽的问卷，并引导受访者基于自身实际情况进行回答。本研究聚焦于短视频平台的青年用户群体，根据既有研究成果和成熟量表设计问卷，通过问卷星大范围发放问卷并收取数据，随后用SPSS统计软件进行分析，检验模型的合理性和假设的有效性。（2）结构方程模型结构方程模型被广泛应用于心理学、经济学等社会科学领域，在传播学领域也越来越得到关注和使用。它主要通过前人已有的理论研究作为基础构建理论模型，并对观测数据进行统计分析，最终得以验证或修改理论假设。本文在总结前人文献的基础上，构建出适用于本研究的理论模型并推导出理论假设，在收集到充足的数据样本之后，借助专业的统计软件及结构方程分析工具对调查数据进行系统检验和量化分析，保证研究结论的可靠性。1.4.2研究思路本研究以隐私计算理论和信息生态理论为指导，探究用户的隐私风险感知和收益感知对短视频平台持续使用意愿的影响，研究路线如REF_Ref755\h图STYLEREF1\s1-3所示：图STYLEREF1\s1-SEQ图\*ARABIC\s13技术路线图

研究设计2.1问卷设计与量表本研究设计的问卷涵盖了8个潜在变量与18个观测变量，并采用了李克特五级量表进行划分。为确保量表具备良好的信效度，我们借鉴了既往研究中的成熟量表，并根据短视频平台的特定情境进行了针对性的完善，最终确定了适用于本研究的测量题项，如REF_Ref23668\h表STYLEREF1\s2-1所示。表STYLEREF1\s2-SEQ表\*ARABIC\s11测量题项变量测量题项来源隐私关注（PC）A1：我觉得了解和知道我的个人信息将如何被短视频平台使用是非常重要的Malhotra等REF_Ref10237\r\h[46]A2：我担心短视频平台搜集了过多我的个人隐私信息A3：我觉得控制和自主决定个人信息被收集、使用和分享是很重要的感知威胁性（PT）B1：短视频平台的智能推荐功能会威胁我的隐私Liang&XueREF_Ref10270\r\h[47]B2：短视频平台智能推荐导致隐私信息泄露，可能会对我造成威胁B3：短视频平台的智能推荐功能对我来说是非常可怕的B4：短视频平台的智能推荐功能对我的个人隐私来说是危险的信息过载（IO）C1：短视频平台上过多的信息常常让我感到心烦Wisniewski&LuREF_Ref10319\r\h[48]、Zhang等REF_Ref10391\r\h[49]C2：短视频平台中有很多信息需要查看和处理，我感到负担很重C3：我发现短视频平台上推荐的信息只有很少一部分是我所需要的自我效能（SE）D1：我有信心应对个人隐私信息的泄露问题Schwarzer等REF_Ref10430\r\h[50]D2：我能够找到应对个人隐私信息泄露的方法D3：采取隐私保护措施对我来说是容易的感知个性化（PP）E1：短视频平台为我推送的内容符合我的需求Cai等REF_Ref10456\r\h[51]E2：短视频平台为我推送的内容符合我的偏好或兴趣E3：短视频平台为我推荐的内容充分考虑到了我的个人特点平台信任（PT）F1：我相信短视频平台会妥善保护我的个人隐私Pan等REF_Ref10486\r\h[52]F2：我相信短视频平台会保护我的个人信息免受未经授权的使用F3：我相信短视频平台会遵守其保护我个人隐私的协议算法满意度（AS）G1：短视频平台为我推送的内容符合我的需求BhattacherjeeREF_Ref10528\r\h[53]G2：短视频平台为我推送的内容符合我的偏好或兴趣G3：我很喜欢使用短视频平台的智能推荐功能G4：我认为使用短视频平台的智能推荐功能是一个正确的选择持续使用意愿（CI）H1：我打算继续使用短视频平台的智能推荐功能BhattacherjeeREF_Ref10528\r\h[53]H2：我会经常使用短视频平台的智能推荐功能H3：如果重新选择，我还是会选择使用短视频平台的智能推荐功能2.2调查对象与数据收集在开展正式调研前，本研究实施了问卷的前测环节，以保障测量工具的信效度。此次预调研共计回收问卷82份，均填写完整，剔除填写时间过短或存在大量连续相同答案的无效问卷后，最终得到有效问卷74份。用SPSS对问卷进行信效度分析，结果显示问卷的Cronbach'sα为0.890（大于0.7），KMO值为0.819（大于0.7），因此认为本研究设计的问卷符合标准，具备正式发放的条件。本文的调查对象是短视频平台的青年用户，然而“青年”这一概念的定义，因组织与国家的不同而存在差异。依据中共中央、国务院印发的《中长期青年发展规划（2016-2025年）》规定REF_Ref10832\r\h[54]，青年的年龄范畴被划定为14-35周岁，然而年龄处于14-18岁的青年群体大多正处在中等教育阶段，其认知体系与三观尚处于形成与完善的过程中，且日常行为多受学校管理规范的制约，对手机、电脑等设备的使用存在一定限制，在针对本文所探讨的短视频平台使用方面也可能会出现一定程度的偏差。鉴于此，本文将青年用户的年龄范围界定在18-35岁。主要采用滚雪球抽样的方法，通过微信、QQ等社交渠道发放问卷，并让被调查者在自己使用的社交媒体上进一步扩散该问卷。问卷的发放日期为2025年3月17日至2025年3月20日，累计回收调查问卷435份，剔除选择“未使用过短视频平台”、答题时间过短以及答案相互矛盾的无效问卷以及非目标群体问卷后，最终得到有效问卷406份。样本的人口统计信息分析如REF_Ref30962\h表STYLEREF1\s2-2所示。表STYLEREF1\s2-SEQ表\*ARABIC\s12样本人口统计信息人口统计量类别频数（人）百分比(%)性别男19848.77您的性别：女20851.23年龄18~21岁12628.0822~25岁10824.1426~30岁9022.1731~35岁8220.20受教育程度高中及以下6315.52您的受教育程度：大专13032.02您的受教育程度：本科18645.81您的受教育程度：研究生及以上276.65职业学生13533.25您的职业：企业员工5112.56您的职业：公务员/事业单位员工13533.25您的职业：个体经营者4410.84您的职业：自由职业者297.14您的职业：其它122.96使用时长3个月以内6315.52您已使用短视频APP多长时间？3~6个月9924.38您已使用短视频APP多长时间？6个月~1年14134.73您已使用短视频APP多长时间？1年以上10325.37使用频率平均每周少于1次71.72您使用短视频APP的频率为？每周1次81.97您使用短视频APP的频率为？每周2~3次215.17您使用短视频APP的频率为？每周4~6次7317.98您使用短视频APP的频率为？每天使用9322.91您使用短视频APP的频率为？每天平均2~3次10425.62您使用短视频APP的频率为？每天平均3次以上7317.98您使用短视频APP的频率为？不确定，有需要才用276.65持续时间10分钟以内5714.04您每次使用短视频APP的持续时间为？10~30分钟15137.19您每次使用短视频APP的持续时间为？30分钟~1小时13733.74您每次使用短视频APP的持续时间为？1小时以上6115.02合计406

实证分析与假设检验3.1信效度分析检验量表信度和效度，结果如REF_Ref7523\h表STYLEREF1\s3-1所示。信度方面，各变量的Cronbach'sα系数均大于0.7，证实了量表的可靠性和稳定性；效度方面，KMO值为0.880，Bartlett球形度检验的近似卡方值为5161.947，自由度为325.000，且p值达到0.000的显著性水平，表明变量间的相关性较强，适合进行因子分析。同时各变量的AVE值介于0.586-0.631之间（大于0.5），CR值在0.808-0.854之间（大于0.7），说明量表具有良好的聚合效度。表STYLEREF1\s3-SEQ表\*ARABIC\s11信效度分析变量题项Cronbach'sαKMO值Bartlett球形度检验AVECR隐私关注A10.8260.880近似卡方：5161.947df：325.000p值：0.0000.6260.834A2A3感知威胁性B10.8500.5950.854B2B3B4信息过载C10.7940.5860.808C2C3自我效能D10.8330.6310.837D2D3感知个性化E10.8110.60.818E2E3平台信任F10.8120.6150.826F2F3满意度G10.8480.5940.853G2G3G4持续使用意愿H10.8280.6250.833H2H3区分效度方面，结果如REF_Ref595\h表STYLEREF1\s3-2所示。各变量之间的相关系数均小于各自的AVE平方根值，证明了各变量之间的区分效度良好。表STYLEREF1\s3-SEQ表\*ARABIC\s12区分效度分析隐私关注感知威胁性信息过载自我效能感知个性化平台信任满意度持续使用意愿隐私关注0.791感知威胁性-0.316***0.771信息过载-0.398***0.344***0.765自我效能0.364***-0.355***-0.341***0.794感知个性化0.296***-0.284***-0.305***0.265***0.775平台信任0.325***-0.353***-0.342***0.342***0.367***0.784满意度0.440***-0.428***-0.462***0.480***0.455***0.521***0.770持续使用意愿0.305***-0.223***-0.196***0.340***0.273***0.322***0.362***0.790注：*表示P<0.05，**表示P<0.01，***表示P<0.001，下同。3.2共同方法偏差采用Herman单因子法对共同方法偏差问题进行检验，结果如REF_Ref22304\h表STYLEREF1\s3-3所示。发现第一个成分的解释总方差为32.256%，单一成分的方差解释率未超过40%，说明共同方法偏差在本研究中并不显著。表STYLEREF1\s3-SEQ表\*ARABIC\s13共同方法偏差成分初始特征值提取载荷平方和旋转载荷平方和总计方差百分比累积%总计方差百分比累积%总计方差百分比累积%18.38732.25632.2568.38732.25632.2562.87011.04011.0403.3描述性统计与相关性分析对所有变量进行描述性统计分析，结果如REF_Ref23998\h表STYLEREF1\s3-4所示。数据结果显示发现，隐私关注、自我效能、感知个性化、平台信任与算法满意度呈显著正相关关系，感知威胁性、信息过载与算法满意度呈显著负相关关系，算法满意度与持续使用意愿呈显著正相关关系。表STYLEREF1\s3-SEQ表\*ARABIC\s14描述性统计分析均值标准差隐私关注感知威胁性信息过载自我效能感知个性化平台信任满意度持续使用意愿隐私关注3.1681.0411-0.316-0.3980.3640.2960.3240.440***0.304感知威胁性2.8030.957-0.31610.344-0.355-0.284-0.353-0.428***-0.223信息过载2.8130.993-0.3980.3441-0.341-0.305-0.342-0.462***-0.196自我效能3.1911.0610.364-0.355-0.34110.2650.3430.480***0.340感知个性化3.2201.0170.296-0.284-0.3050.26510.3670.455***0.273平台信任3.1911.0080.324-0.353-0.3420.3430.36710.521***0.321满意度3.1850.9260.440***-0.428***-0.462***0.480***0.455***0.521***10.362***持续使用意愿3.2731.0290.304-0.223-0.1960.3400.2730.3210.362***13.4假设检验与中介效应检验3.4.1模型拟合评价本文运用AMOS对模型进行拟合度分析，结果如REF_Ref15756\h表STYLEREF1\s3-5所示，七个指标均在临界标准范围内，证明了模型的拟合度良好。表STYLEREF1\s3-SEQ表\*ARABIC\s15模型拟合度检验拟合指标拟合标准模型拟合指数X²/df1-31.73RMSEA<0.05理想，<0.08可接受0.042GFI>0.9理想，>0.8可接受0.911AGFI>0.9理想，>0.8可接受0.894IFI>0.9理想，>0.8可接受0.961CFI>0.9理想，>0.8可接受0.960TLI>0.9理想，>0.8可接受0.9523.4.2路径系数分析对模型的路径系数进行分析和假设检验，结果如REF_Ref17408\h表STYLEREF1\s3-6所示。根据表格可知，感知威胁性、信息过载与算法满意度之间的负相关关系得到支持，假设H1b、H1c成立，而隐私关注与算法满意度之间的负相关关系未得到支持，假设H1a不成立；自我效能、感知个性化、平台信任与算法满意度之间的正相关关系得到支持，假设H2a、H2b、H2c成立；算法满意度与持续使用意愿之间的正相关关系得到支持，假设H3成立。表STYLEREF1\s3-SEQ表\*ARABIC\s16路径系数分析假设路径路径系数tpVIF结果H1a隐私关注→满意度0.1293.129**1.347不成立H1b感知威胁性→满意度-0.120-2.947**1.312成立H1c信息过载→满意度-0.158-3.802***1.361成立H2a自我效能→满意度0.2024.931***1.325成立H2b感知个性化→满意度0.1924.800***1.254成立H2c平台信任→满意度0.2435.849***1.358成立H3满意度→持续使用意愿0.3627.796***1.000成立3.4.3中介效应检验本研究采用Bootstrap法对中介效应进行检验，在95%的置信水平条件下，对所收集的数据样本进行5000次抽样，研究结果如REF_Ref30488\h表STYLEREF1\s3-7所示。数据结果显示发现，算法满意度在隐私关注与持续使用意愿之间起到部分中介作用，在感知威胁性、信息过载与持续使用意愿之间起到完全中介作用，假设H4a成立；算法满意度在自我效能、平台信任与持续使用意愿之间起到部分中介作用，在感知个性化与持续使用意愿之间起到完全中介作用，假设H4b成立。表STYLEREF1\s3-SEQ表\*ARABIC\s17中介效应检验中介路径c

总效应aba*b

间接效应a*b

(BootSE)a*b

(z

值)a*b

(p

值)a*b

(95%BootCI)c’

直接效应检验结论隐私关注→满意度→持续使用意愿0.146**0.115**0.143*0.0160.0111.5290.126-0.001~0.0400.130*部分中介感知威胁性→满意度→持续使用意愿-0.026-0.117**0.143*-0.0170.011-1.5320.126-0.041~0.001-0.010完全中介信息过载→满意度→持续使用意愿0.033-0.147**0.143*-0.0210.013-1.6010.109-0.050~0.0010.054完全中介自我效能→满意度→持续使用意愿0.195**0.177**0.143*0.0250.0151.7100.087-0.002~0.0560.170**部分中介感知个性化→满意度→持续使用意愿0.120*0.175**0.143*0.0250.0141.7620.078-0.002~0.0540.095完全中介平台信任→满意度→持续使用意愿0.166**0.223**0.143*0.0320.0181.7830.075-0.003~0.0680.135*部分中介通过以上实证分析，可以得到如REF_Ref2743\h表STYLEREF1\s3-8所示的假设检验结果。表STYLEREF1\s3-SEQ表\*ARABIC\s18假设检验结果编号研究假设验证结果H1a隐私关注负向影响满意度不成立H1b感知威胁性负向影响满意度成立H1c信息过载负向影响满意度成立H2a自我效能正向影响满意度成立H2b感知个性化正向影响满意度成立H2c平台信任正向影响满意度成立H3满意度正向影响持续使用意愿成立H4a满意度在隐私关注、感知威胁性、信息过载与持续使用意愿的关系中起中介作用成立H4b满意度在自我效能、感知个性化、平台信任与持续使用意愿的关系中起中介作用成立根据上述研究结果，我们得到了结构方程模型，如REF_Ref12037\h图STYLEREF1\s3-1所示。图STYLEREF1\s3-SEQ图\*ARABIC\s11结构方程模型图

研究总结4.1研究结论第一，除了隐私关注外，感知威胁性和信息过载均负向影响算法满意度。在短视频平台的使用过程中，用户若感知到智能推荐功能对个人信息存在侵犯风险，或者因平台推送的信息过多而产生负担时，都会降低对平台的算法满意度。之前也有研究证明了感知威胁性会负向影响消费者对平台的态度，同时会降低其隐私披露意愿REF_Ref7031\r\h[38]。而信息过载会让用户感到身心疲惫，对平台产生逃避使用的倾向REF_Ref12598\r\h[55]REF_Ref28621\r\h。在本研究中，隐私关注正向影响算法满意度这一结果与最初假设相悖，可能是由多方面原因导致的，部分用户可能认为自己对隐私的关注会促使短视频平台重视隐私保护工作。当他们关注自身隐私时，也会觉得平台为了留住用户，在数据收集、使用和传播等环节更加谨慎，进而保障自身权益，由此对平台的算法机制产生较高满意度。此外，隐私关注较高的用户，会更主动地管理自己的信息。当他们在短视频平台上采取一系列隐私保护措施，会获得一种信息控制感。如平台提供了隐私设置功能，用户可以根据自身需求设置谁能查看自己的点赞、评论等信息，用户在获得个性化服务的同时，也增强了对隐私的掌控感。这种心理上的满足让用户认为平台给予了自己足够的控制权，进而对智能推荐功能产生积极评价，提升满意度。同时相关研究也指出，感知控制与满意度之间存在着紧密的联系，感知控制越高，满意度也越高REF_Ref13141\r\h[56]。第二，自我效能、感知个性化和平台信任均正向影响算法满意度。当代青年是更加有自信、更加追求与众不同和特立独行的一代，因此他们相信自己有能力保护自己的隐私不受侵犯，他们也对平台的安全性和隐私保护能力持有信心，同时更加个性化的内容在一定程度上符合其自我建构与个体表达的鲜明态度，这都促使其对短视频平台产生积极的态度。先前学者通过研究同样证明了自我效能会降低个体对社交媒体的负面情绪REF_Ref4948\r\h[57]，感知个性化正向影响用户对推荐服务系统的态度REF_Ref6153\r\h[58]，平台信任反映了用户对平台的积极态度，正向影响用户的在线交互意愿REF_Ref7198\r\h[59]。第三，算法满意度正向影响持续使用意愿。用户对短视频平台算法推荐机制的满意程度越高，后续就越有可能持续使用该平台的智能推荐功能。这明确了满意度在促进用户长期使用平台过程中的关键作用，是影响用户留存的重要因素。之前也有学者通过研究发现在抖音REF_Ref27343\r\h[60]、微信视频号REF_Ref8503\r\h[45]等短视频平台上，用户的满意度均正向影响其持续使用意愿。第四，算法满意度在感知风险、感知收益与持续使用意愿之间发挥着中介作用。有相关研究证明满意度在感知信任、感知风险和持续使用意愿中起到中介作用REF_Ref29302\r\h[61]，因此本文将用户算法满意度设定为影响用户持续使用意愿的中介变量，通过实证研究证实了用户的感知风险和感知收益会通过对短视频平台算法满意度的影响，进而作用于用户的持续使用意愿。最后，根据研究模型和实证分析结果可以发现青年用户在短视频平台的持续使用意愿上存在隐私悖论现象，即他们一边担心自己的隐私被平台侵犯，另一方面又受到自我效能、感知个性化、平台信任等因素的调节，选择未来继续使用短视频平台。4.1.1理论贡献首先，在短视频持续使用意愿的研究方面，少有研究将隐私感知和持续使用意愿结合在一起，大多数从短视频的传播内容特性REF_Ref30589\r\h[62]或用户的个人特征REF_Ref30648\r\h[63]方面探究持续使用意愿的影响因素。本文将持续使用意愿引入了隐私研究的领域。其次，过往对持续使用意愿的研究大多数采用期望确认理论REF_Ref32306\r\h[64]、感知价值理论REF_Ref32346\r\h[65]等，而在隐私感知研究方面，隐私计算理论REF_Ref172\r\h[66]、保护动机理论REF_Ref231\r\h[67]等被使用的最多。本文在隐私计算理论的基础上，引入了信息生态理论，从信息人、信息技术、信息环境这三个维度探究隐私感知对持续使用意愿的影响，拓展了相关理论的应用场景，完善了持续使用意愿研究的理论框架。最后，本文引入“算法满意度”这一概念，将其作为感知风险、感知收益与持续使用意愿之间的中介变量。“满意度”的概念来源于期望确认理论，在持续使用意愿研究中运用较多，少有学者在隐私研究领域使用这一变量作为中介调节因素。4.1.2管理启示本文对短视频平台的运营者、监管者和使用者提出以下建议。首先，平台运营者要优化算法推荐机制，在保障个性化推荐精准度的同时，减少信息过载现象。可以适当地向用户公开一些算法运行的流程，提高用户的算法信息素养。为用户提供丰富多样的隐私保护工具和清晰易懂的操作指南，帮助用户增强保护个人隐私的能力和信心。其次，平台监管者应紧跟技术发展步伐，及时完善针对短视频平台隐私保护的法律法规，明确平台在数据处理过程中的权利和义务。此外，要加大对短视频平台的监管力度，定期审查平台的隐私政策和数据处理行为，确保平台严格遵守相关法律法规。最后，平台使用者要提高自己的隐私保护意识和隐私素养，充分认识到隐私保护的重要性，以及个人信息泄露可能带来的风险，从而更加谨慎地对待个人信息，积极主动地采取隐私保护措施。4.2研究不足与展望一是，本文并未考虑不同短视频平台的环境因素对持续使用意愿的影响，未来可以选取抖音、快手等典型短视频平台进行更加具体的研究。二是，研究样本存在一定的局限性。虽然本次研究收集了406份有效问卷，但样本主要来源于通过社交渠道发放问卷所获取的数据，可能存在一定的样本偏差，无法完全代表所有短视频平台青年用户的情况。未来研究可以扩大样本范围，采用多渠道、分层抽样等方法，提高样本的代表性和研究结果的普适性。三是，研究方法相对单一。本文主要采用问卷调查法和结构方程模型进行分析，未来可结合质性研究方法，如深度访谈、案例分析等，从多角度深入了解青年用户的行为和心理，为研究提供更丰富的资料和更深入的见解。尽管存在这些不足，但本文为后续研究奠定了基础。未来研究可针对上述问题进行改进和拓展，进一步深化对短视频平台青年用户隐私感知和持续使用意愿的研究，为短视频行业的健康发展和用户隐私保护提供更具价值的参考。

结论与展望在数字技术蓬勃发展的当下，短视频平台已深度融入青年群体的生活，其算法推荐机制在带来便利的同时，也引发了诸多关于隐私的思考。本研究聚焦青年用户对短视频平台算法推荐的隐私感知与持续使用意愿，通过严谨的实证分析，揭示了两者之间复杂的关联。研究发现，除隐私关注呈现出与预期不同的正向影响外，感知威胁性和信息过载负向影响满意度，而自我效能、感知个性化和平台信任则正向影响满意度，且满意度在感知风险、感知收益与持续使用意愿之间起着关键的中介作用。这一结论为理解青年用户在短视频平台的行为逻辑提供了新的视角，也凸显了平衡隐私保护与个性化服务的重要性。然而，本研究只是对这一复杂领域的初步探索。在未来，随着短视频行业的持续变革，相关研究仍有广阔的拓展空间。一方面，不同平台的特性差异可能会对青年用户的隐私感知和使用意愿产生不同影响，深入探究这些差异，将有助于平台制定更具针对性的发展策略；另一方面，研究方法的多元化也将为该领域带来更丰富的成果，通过结合质性研究，能更精准地捕捉用户的心理和行为动机。希望本研究能为短视频平台的优化、用户隐私保护以及相关领域的学术探讨提供有益的参考，也期待后续研究能够进一步深化对这一议题的理解，推动短视频行业朝着更加健康、可持续的方向发展。

参考文献中国广视索福瑞媒介研究.第七次短视频用户价值年度调研报告[R/OL].(2024-11.21)[2025-02-11]./s/fqFdCjHGbb6ynuSQ0OcQvA中国互联网协会.中国网民权益保护调查报告2015[EB/OL].(2015-07-22)[2025-03-10]./2015-07/22/c_1116002040.htm相甍甍,孙畹婷,冯丽.国内外隐私悖论研究综述[J].图书情报工作,2023,67(04):134-148.DOI:10.13266/j.issn.0252-3116.2023.04.013.郭蓉.算法推荐类短视频平台的信息茧房效应实证研究[D].济南:山东大学,2022.DOI:10.27272/ki.gshdu.2022.004005.黎曦子.抖音的算法推荐模式与发展策略[J].新闻研究导刊,2020,11(05):209+211.赵辰玮,刘韬,都海虹.算法视域下抖音短视频平台视频推荐模式研究[J].出版广角,2019,(18):76-78.DOI:10.16491/45-1216/g2.2019.18.023.许向东,王怡溪.智能传播中算法偏见的成因,影响与对策[J].国际新闻界,2020,42(10):69-85.牛静,孟筱筱.社交媒体信任对隐私风险感知和自我表露的影响:网络人际信任的中介效应[J].国际新闻界,2019,41(07):91-109.DOI:10.13495/ki.cjjc.2019.07.007.匡野.短视频智能推荐算法技术的社会影响与规制路径[J].中国编辑,2021,(09):28-33.林凡,林爱珺.打开算法黑箱：建构“人-机协同”的新闻伦理机制——基于行动者网络理论的研究[J].当代传播,2022,(01):51-55.陈梦如,李晓云.隐私关注对算法推荐类新闻App用户信息安全行为的影响研究[J].河南工业大学学报(社会科学版),2021,37(06):15-23.DOI:10.16433/41-1379.2021.06.003.黄忻渊.用户对于算法新闻的认知与态度研究——基于1075名算法推荐资讯平台使用者的实证调查[J].编辑之友,2019,(06):63-68.DOI:10.13786/14-1066/g2.2019.6.011.Ytre-Arne,B.,&Moe,H.(2021).Folktheoriesofalgorithms:Understandingdigitalirritation.

Media,Culture&Society,

43(5),807-824.陈明亮,蔡日梅.电子商务中产品推荐代理对消费者购买决策的影响[J].浙江大学学报(人文社会科学版),2009,39(05):138-148.Seargeant,P.,&Tagg,C.(2019).Socialmediaandthefutureofopendebate:Auser-orientedapproachtoFacebook’sfilterbubbleconundrum.

Discourse,Context&Media.司徒凌云,李益婷,石进.基于第三人效应的微博隐私悖论产生路径研究[J].情报杂志,2022,41(12):89-97.耿书培.流动的隐私边界何在：在线健康信息的表露机制研究[J].新闻与写作,2024,(02):72-85.徐敬宏,侯伟鹏,程雪梅,等.微信使用中的隐私关注、认知、担忧与保护:基于全国六所高校大学生的实证研究[J].国际新闻界,2018,40(05):160-176.DOI:10.13495/ki.cjjc.2018.05.010.Devito,M.A.(2021).AdaptiveFolkTheorizationasaPathtoAlgorithmicLiteracyonChangingPlatforms.

ProceedingsoftheACMonHuman-ComputerInteraction,5,1-38.杨嫚,温秀妍.隐私保护意愿的中介效应：隐私关注、隐私保护自我效能感与精准广告回避[J].新闻界,2020,(07):41-52.DOI:10.15897/51-1046/g2.2020.07.005.Dhir,A.,Torsheim,T.,Pallesen,S.,&Andreassen,C.S.(2017).DoOnlinePrivacyConcernsPredictSelfieBehavioramongAdolescents,YoungAdultsandAdults?

FrontiersinPsychology,8.万君,孙惠聪.隐私计算、自我决定与社会交换理论视角下社交媒体用户隐私披露意愿研究[J].新媒体研究,2023,9(19):1-11.DOI:10.16604/ki.issn2096-0360.2023.19.017.朱侯,王可,严芷君,等.基于隐私计算理论的SNS用户隐私悖论现象研究[J].情报杂志,2017,36(02):134-139+121.胡雅萍,肖江艳,刘千里.风险感知视角下个人隐私安全保护——一项元分析研究[J].情报杂志,2025,44(01):198-207.Yu,L.,Li,H.,He,W.,Wang,F.,&Jiao,S.(2020).Ameta-analysistoexploreprivacycognitionandinformationdisclosureofinternetusers.

Int.J.Inf.Manag.,51,102015.徐硕.基于UTAUT模型和感知风险理论的短视频平台用户使用意愿研究[J].新媒体研究,2024,10(03):37-43.DOI:10.16604/ki.issn2096-0360.2024.03.011.童清艳,赵倩蓓.短视频用户持续使用意愿影响因素研究——以李子柒系列短视频用户为例[J].新闻与写作,2021,(05):54-61.杜诗瑶.基于扎根理论的短视频平台用户中辍行为的影响因素研究[J].东南传播,2021,(12):96-100.DOI:10.13556/35-1274/j.2021.12.028.贾凌云,刘源.抖音短视频大学生用户持续使用意愿研究——以武汉市五所高校为例[J].新闻研究导刊,2022,13(20):1-3.熊玥,毛炫懿.知识类短视频用户持续观看意愿影响因素研究[J].梧州学院学报,2024,34(06):46-53.邓秀军,刘璐.传统戏曲迷群的移动短视频采纳行为研究——以快手平台的秦腔视频用户为例[J].现代传播(中国传媒大学学报),2021,43(11):148-153.DOI:10.19997/ki.xdcb.2021.11.026.张彬,崔海兰,单思远,等.短视频平台用户持续使用意愿影响因素研究——以健康短视频为例[J].图书馆研究,2023,53(02):97-109.汤志伟,赵迪,罗伊晗.公共危机事件中政务短视频公众使用的实证研究——基于新冠肺炎疫情[J].电子政务,2020,(08):2-14.DOI:10.16582/ki.dzzw.2020.08.001.Laufer,R.S.,&Wolfe,M.(1977).PrivacyasaConceptandaSocialIssue:AMultidimensionalDevelopmentalTheory.

JournalofSocialIssues,33,22-42.Nardi,B.A.,&O'Day,V.(2000).

Informationecologies:Usingtechnologywithheart.MitPress.邓君,魏瑶,李蛟,等.在线知识社区用户非持续使用意愿研究——以知乎为例[J].情报科学,2021,39(05):138-145+155.DOI:10.13833/j.issn.1007-7634.2021.05.019.金恒江,聂静虹.在线健康社区用户满意度研究：社会临场感理论视角[J].国际新闻界,2021,43(10):120-138.DOI:10.13495/ki.cjjc.2021.10.006.高丽华,宋一鸣,杨新雨.基于隐私计算理论互联网行为定向广告感知对消费者隐私披露意愿的影响研究[J].现代广告,2024,(17):57-65.Bright,L.F.,Kleiser,S.B.,&Grau,S.L.(2015).ToomuchFacebook?Anexploratoryexaminationofsocialmediafatigue.

Comput.Hum.Behav.,44,148-155.张敏,孟蝶,张艳.强关系社交媒体用户消极使用行为形成机理的概念模型——基于使能和抑能的双重视角的扎根分析[J].现代情报,2019,39(04):42-50.范梓腾,宁晶,魏娜.社交媒体用户的算法推荐内容接受度研究[J].电子政务,2021,(07):113-124.DOI:10.16582/ki.dzzw.2021.07.011.DeKeyzer,F.,Dens,N.,&DePelsmacker,P.(2015).Isthisforme?HowConsumersRespondtoPersonalizedAdvertisingonSocialNetworkSites.

JournalofInteractiveAdvertising,15,124-134.张生太,杨阳,袁艺玮,等.短视频个性化推荐对用户信息采纳意愿的影响[J].科研管理,2024,45(04):175-184.DOI:10