《双重加工理论视角下社交媒体用户隐私边界的建立与协调》

  • 来源专题:数智化图书情报
  • 编译者: 程冰
  • 发布时间:2025-07-22
  • [目的/意义] 用户不断参与社交媒体数据化表达的过程中,由于过度分享的文化、复杂的隐私设置、算法推荐的影响等,逐渐失去对信息边界的掌控,个人信息边界管理应成为规避隐私风险的一道关键防线。[方法/过程] 构建用户隐私边界管理两阶段模型,在双重加工理论视角下探析社交媒体用户隐私边界管理行为的心理机制。通过调查实验研究方法收集数据,采用路径分析探究内部启发式因素信息交互、情感交互、感知隐私风险和系统式因素隐私素养对用户隐私边界建立的影响,采用两因素方差分析讨论外部启发式因素隐私不确定性与系统式隐私素养在用户隐私边界协调阶段的交互效应。[结果/结论] 社交媒体用户隐私边界管理呈现双重加工思维决策模式,隐私素养对隐私边界的建立具有驱动作用,高隐私不确定性下具有行为倾向,隐私素养的提升能够帮助用户避免启发式刺激因素引发的认知偏差,隐私素养与隐私不确定性之间的交互作用导致差异化的隐私边界管理行为。研究结论为理解用户在复杂多变信息环境中的决策行为提供新的思路,为相关政策制定、平台设计和用户教育提供科学依据和实践指导。
  • 原文来源:https://www.lis.ac.cn/CN/10.13266/j.issn.0252-3116.2025.13.005
相关报告
  • 《社交媒体用户兴趣的发现与分类》

    • 来源专题:图书情报
    • 编译者:xuxue
    • 发布时间:2017-11-09
    • Twitter用户所生成的数据现在不仅用于交流和观点共享,还被认为是引领创新、未来预测、推荐系统和营销的重要来源。利用网络特征进行推特建模,在微博上应用数据挖掘和深度学习技术,越来越受到关注。 在本文中,使用基于网络的文本数据(推特)的建模方法,从推特的趋势中发现用户的兴趣。首先,流行趋势被收集和存储在单独的文件中。然后对这些数据预处理,在各自的类别中进行标记。然后对数据进行建模, 并通过考虑该趋势中的正面评论、平均转发和点赞计数来计算每个趋势主题的用户兴趣。
  • 《基于异质图注意力网络与多特征融合的跨社交媒体用户识别研究》

    • 来源专题:数智化图书情报
    • 编译者:杜晴
    • 发布时间:2024-12-26
    • 跨社交媒体用户识别对于网络舆情的协同治理以及用户偏好的全方位识别与预测具有重要的指导意义。针对现有方法存在数据表达能力弱、忽略用户信息的动态性和关联性的问题,本文提出一种融合异质特征嵌入与实体动态关联的跨社交媒体用户识别模型。首先,整合用户的基本属性、生成内容和社交结构信息,构建各个社交媒体的异质信息网络;其次,通过设计新的元路径识别策略构造邻接矩阵,使用异质图注意力网络模型汇聚用户节点信息,增强节点特征的表示能力;再其次,引入了3种连续时间衰减函数,对跨社交媒体的实体相似矩阵进行加权,增强实体之间的动态关联;最后,融合单社交网络和跨社交网络中的以上特征,利用多层感知机实现跨社交媒体用户的识别和预测。在微博-知乎真实数据集中的研究结果显示,本文模型的整体性能优于其他基准模型,特别是线性衰减函数,其展现了最佳效果,且本文提出的元路径识别策略对提升用户识别效果具有重要作用。