用户对于算法推荐新闻的隐私风险感知研究

摘要

算法与大数据融合深入了新闻的自动化生产、个性化推荐，以及评论引导等诸多环节。尤其是算法推荐，随着智能手机的广泛应用，已经成为新闻传播领域较为普遍的分发运作机制，而通过算法推荐平台获取资讯也正在成为人们阅读新闻的常规方式和生活习惯。然而算法在新闻分发中的应用虽然满足了用户在信息爆炸环境下的个性需求，但另一方面也由于商业组织机构的市场逐利，使得用户的个人隐私处于风险之中。　　因此，为了考察用户对于算法推荐新闻隐私风险的感知状况及其影响因素，本研究从用户的角度出发，对算法推荐新闻用户的隐私风险感知现状进行了考察，并从个人、企业和政府层面探究了影响用户隐私风险感知水平的因素，进而从实际影响因素出发对个人隐私保护提出了相应的对策与建议。通过对373名算法推荐新闻用户的调查，研究发现：目前，我国用户对于算法推荐新闻所潜藏的隐私风险是有所感知的，且感知程度为中等偏上。而在影响因素方面，个人层面的隐私关注会增强用户的隐私风险感知水平，且影响作用在所有因子中最为明显；企业层面的隐私政策感知有效性和政府层面的政府监管感知有效性均对用户的隐私风险感知存在显著负向作用，但隐私政策感知有效性的影响作用要高于政府监管感知有效性。　　针对于此，本文分别从三个层面提出了建议：在个人层面上，用户应通过充分了解企业平台的隐私政策，定期处理手机中的Cookies、历史浏览数据，或采用专门的隐私保护技术、加密技术来防止个人隐私被追踪、泄露，增强对个人信息的控制。在企业平台层面，企业平台首先应当为用户建立起隐私政策协商机制，而后通过提高隐私政策的用户阅读率、严格按照隐私政策条款进行信息实践活动和采用专业检测技术等方式来增强用户感知隐私政策的有效性，降低用户的隐私风险感知。而从政府监管层面，我国政府也需要逐步完善个人信息保护法律体系、强化企业平台法律责任、提高违法成本，以增强用户感知政府监管的有效性，降低其隐私风险感知水平。

目录

1 绪 论

1.1 研究背景

1.2 文献综述与概念界定

1.2.1 算法推荐新闻概念界定及其相关研究

1.2.2 隐私风险感知概念界定及其相关研究

1.2.3 文献述评

1.3.1 研究问题

1.3.2 研究意义

1.4.1 研究内容

1.4.2 研究技术路线图

1.4.3 研究方法与创新之处

2 用户对于算法推荐新闻的隐私风险感知研究设计

2.1 算法推荐新闻的运行机制及其隐私风险

2.1.1 算法推荐新闻的运行机制

2.1.2 算法推荐新闻的隐私风险

2.2 研究模型建构

2.3 研究变量及假设

2.4 样本收集与处理

2.5 主要变量测量与问卷设计

2.6.1 问卷前测与调整

2.6.2 问卷发放与回收

3 用户对于算法推荐新闻的隐私风险感知研究分析

3.1 描述性统计分析

3.1.1 样本人口统计学及媒介使用经验特征

3.1.2 主要研究变量的描述性统计特征

3.2.1 信度分析

3.2.2 效度分析

3.3 相关性分析

3.4 多元回归分析

3.5 研究结果

4 用户对于算法推荐新闻的隐私风险感知研究讨论与建议

4.1 研究讨论

4.1.1 用户对于算法推荐新闻的隐私风险感知现状

4.1.2 用户的隐私关注对其隐私风险感知产生正向影响

4.1.3 用户的隐私政策感知有效性对其隐私风险感知产生负向影响

4.1.4 用户的政府监管感知有效性对其隐私风险感知产生负向影响

4.2 研究建议

4.2.1 从个人层面

4.2.2 从企业平台层面

4.2.3 从政府监管层面

4.3 研究总结

参考文献

附录

A 攻读学位期间论文发表情况

B 学位论文数据集

C 研究调查问卷与访谈人员列表

D 问卷参考来源

致谢