Онлайн-коммуникация в социальных медиа: как опыт утраты приватности отражается на поведении пользователей

Введение

Социальные медиа предоставляют широкие возможности для «нетворкинга» и коммуникации и рассматриваются как платформа для развития особой формы социального капитала [31].

Поскольку обмен информацией и раскрытие личных данных составляют основу коммуникации на сайтах социальных сетей [27], остро встает вопрос безопасности и сохранения приватности пользователей. Недавние прецеденты утечки персональных данных [19] и негативная динамика роста киберпреступлений последних лет [5] указывают на уязвимую позицию пользователей социальных сетей.

Опросы населения как в России [1]¹, так и за рубежом [18] показывают, что пользователи выражают обеспокоенность проблемой безопасности личных данных в интернете. Однако признание важности рисков не приводит к снижению уровня онлайн-активности [7].

Сохранение безопасности и приватности тесно связано с благополучием человека [35]. Понимание факторов, регулирующих поведение пользователей социальных сетей в отношении защиты собственной приватности, может способствовать разработке адекватной политики приватности.

Наиболее разработанный подход, представленный в исследованиях, исходит из предпосылки, что восприятие риска утраты приватности (perceived risk) или обеспокоенность вопросами приватности (privacy concerns) сподвигают людей к защитным действиям («privacy protective behavior»).

Однако эмпирические исследования указывают на неоднозначность данной взаимосвязи. Так, С. Барнс был описан феномен «парадокса приватности» — противоречия между декларируемыми пользователями установками относительно важности сохранения приватности и «открытым» поведением в Сети [8].

На сегодняшний день исследователи расходятся во мнении относительно существования и природы данного феномена [15; 29]. Некоторые исследователи относят данный феномен к методологическому артефакту, указывая, что различия в концептуализации и измерении ключевых понятий приводят к существенным расхождениям в результатах [29].

Тот факт, что установки пользователей в отношении приватности нестабильно предсказывают «защитное» поведение, отнюдь не уникален для рассматриваемой предметной области. В социально-психологической литературе данная проблема была сформулирована еще в начале 20-го века и получила название «attitude-behavior gap» [30].

Альтернативный подход для объяснения и предсказания приватного поведения апеллирует к так называемой «experience-behavior» гипотезе, в рамках которой изучается влияние предыдущего опыта на последующее поведение [51].

Изучение опыта жертв природных катастроф показало, что подобные события мотивируют людей снижать вовлеченность в практики риска и стимулируют к соблюдению превентивных мер безопасности — «precautionary behavior» [36]. На сегодняшний день были обнаружены немногочисленные попытки воспроизвести данный результат в контексте изучения онлайн-приватности [14; 50].

Цель данного исследования — рассмотреть, как связь между опытом утраты приватности и приватным поведением пользователей в социальных сетях проявляется в российском контексте. Принимая во внимание многомерность данного конструкта [11], в исследовании рассматривается конкретный аспект — социальная приватность, подразумевающая регулирование режима коммуникации с другими людьми, в том числе возможность не быть втянутым в нежелательную коммуникацию.

Основная гипотеза исследования состоит в том, что наличие опыта утраты приватности в Сети будет повышать вероятность использования пользователем настроек приватности.

В исследовании используются наблюдаемые поведенческие данные о настройках приватности, полученные из аккаунтов пользователей социальной сети «ВКонтакте», что позволяет преодолеть ограничения самоотчетных данных, отмеченных в предыдущих исследованиях [29].

Организация и методы исследования

Выборка и данные. Представленное в статье исследование является частью проекта Лаборатории социальной и когнитивной информатики НИУ ВШЭ СПБ². Дизайн исследовательского проекта был одобрен этической комиссией НИУ ВШЭ. В фокусе внимания исследования находится выборка пользователей крупнейшей российской социальной сети «ВКонтакте» [7], репрезентирующая жителей Вологды как среднестатистического по уровню социально-экономического развития [6]³ и уровню проникновения интернета города России [4].

Размер генеральной совокупности составил 196000 человек [45], размер итоговой выборочной совокупности — 375 человек (доверительный интервал — 95%, ошибка выборки — 5,3%). Часть данных была получена в ходе онлайн-опроса, часть — с помощью автоматизированной закачки серверных данных (через API запросы).

Переменные

1) Воздействующая переменная — наличие опыта утраты приватности в социальной сети «ВКонтакте». В ходе онлайн-опроса респонденты сообщали о наличии или отсутствии опыта нарушения их приватности в Сети, выбирая из предложенного перечня различных рисков приватности [47]. В дальнейшем полученные данные были агрегированы в одну переменную, которая принимала значение «1» в случае, если респондент отметил, что хотя бы один аспект его приватности был нарушен в прошлом, и значение «0» — если данный опыт отсутствует. Таким образом, в группе воздействия (есть опыт) оказалось 160 чел., в контрольной группе (нет опыта) — 215 чел.

2) Зависимые переменные — использование настроек приватности в социальной сети «ВКонтакте». Оценивалось, как пользователь контролирует возможность других пользователей, не входящих в список онлайн-друзей, вступать с ним в коммуникацию или иметь доступ к информации на его странице (бинарные переменные, 0 — позволяет, 1 — не позволяет):

— видеть публичные посты, размещенные в профиле (36% не ограничивают данную возможность);

— оставлять публичные записи в профиле (только 10,6% респондентов предоставили данную возможность);

— комментировать публичные посты (81,6% респондентов не ограничивают данную возможность);

— отправлять запрос на добавление в друзья (89% респондентов не ограничивают данную возможность);

— вступать в личную переписку (77,8% респондентов не ограничивают данную возможность);

— отображать онлайн-страницу в онлайн-поисковых системах (Яндекс, Гугл и др.) (37,6% не заблокировали для незнакомых людей возможность найти их персональную страницу в «ВКонтакте»);

— видеть информацию профиля (57% респондентов закрыли доступ к информации профиля).

3) Контрольные переменные:

Использование социальной сети «ВКонтакте» для коммерческих целей

Поведение пользователей, использующих личный аккаунт для коммерческих целей, может характеризоваться большей «открытостью» по сравнению с типичными пользователями социальных сетей. Респондентам было предложено оценить степень согласия со следующим утверждением: «Я использую “ВКонтакте” для продажи товаров или услуг, развития онлайн-сообществ, для коммерческих целей или продвижения себя как специалиста» (где «1» — абсолютно не согласен, «5» — полностью согласен). Далее данная переменная была дихотомизирована по медианному значению. Оказалось, что 37% респондентов используют аккаунт для личного продвижения.

Уровень цифровой грамотности

Одним из объяснений парадокса приватности, предложенным в литературе, является некомпетентность пользователей в области менеджмента настроек приватности в социальных сетях [37]. В данном исследовании респонденты отвечали на вопрос «Меняли ли Вы когда-нибудь настройки приватности в социальной сети “ВКонтакте”?». Респонденты, указавшие, что не знают про настройки приватности либо не умеют ими пользоваться, попали в группу «низкая компетенция в области использования настроек приватности» (23%).

Самооценка

В предыдущих исследованиях было показано, что низкий уровень самооценки может быть связан с низким контролем приватности онлайн [13].

В качестве контроля в рамках измерения склонности индивида оценивать себя негативно респондентам было предложено оценить по шкале Р. Лайкерта степень согласия со следующим утверждением, адаптированным из шкалы М. Розенберга [41]: «Временами я чувствую себя никчемным». Ранее в исследовании Р. Робинс и коллег [40] было показано, что такой психологический конструкт, как самооценка [41], может быть аппроксимирован с помощью одного вопроса с удовлетворительными показателями качества.

Склонность устанавливать связи с другими людьми

В предыдущих исследованиях было показано, что уровень экстраверсии связан со степенью самораскрытия индивидов онлайн [12]. В исследовании была адаптирована методика П. Тоттерделла и др. [49], оценивающая стремление индивида устанавливать новые социальные связи.

Согласно результатам конфирматорного факторного анализа отражающая теоретические представления о факторной структуре инструмента трехфакторная модель демонстрирует приемлемые показатели соответствия по всем индексам [10] (χ2=964,32; p=0,00; CFI=0,996; TLI=0,991; RMSEA=0,039). Надежность субшкал варьируется в пределах от 0.65 до 0.78, что находится в рамках установленной нормы [46]. Графический анализ кривой ответов (Category response curves, СRС) [37] показал, что вопросы осмысленно предсказывают, какую категорию ответов выберет индивид с определенным уровнем выраженности фактора Склонность устанавливать социальные связи.

Социально-демографические данные

Респондентам задавался ряд вопросов об их социально-демографическом статусе: возрасте, поле, уровне образования и роде занятий. Оказалось, что выборка на 55% состоит из женщин, средний возраст респондентов — 32,5 года (мин.=14, макс.=83, медиана=31, станд. откл.=12,9). Около трети респондентов имеют незаконченное высшее образование (30,7%), 9% имеют законченное высшее образование. Большинство респондентов работают в коммерческом секторе или являются самозанятыми (32,8%), 11,2% задействованы в государственном секторе, а 17,9% выбрали опцию «Другое».

Методика анализа данных

Выводы исследования основываются на параметрической оценке среднего эффекта воздействия опыта, связанного с утратой приватности, на использование индивидом настроек приватности (estimation of average treatment effect).Идея оценки среднего эффекта развита в трудах Д. Рубина [43] и восходит к теории контрфактуального вывода и оценки возможных/потенциальных исходов (potential/counterfactual outcomes). Формальное описание данного подхода представлено ниже.

Пусть для всех индивидов в выборке i=1, N определено множество двух возможных исходов {Yi(0)Yi(1)} вследствие воздействия T, где исход Yi(1) наступает, если индивид i использует настройки приватности, исход Yi(0) указывает на неиспользование пользователем настроек приватности:

Таким образом, каждого индивида в выборке можно отнести либо к группе воздействия, либо к контрольной группе в зависимости от типа воздействия и наблюдаемого исхода.

Идея контрфактуальных исходов предлагает рассматривать наряду с наблюдаемыми исходами, представленными в выборке, и так называемые контрфактуальные (потенциальные) исходы, которые описывают некий альтернативный для индивида исход в гипотетической ситуации, если бы воздействие на него не было (или было) оказано в зависимости от наблюдаемого исхода [23]. Таким образом, если предполагается одновременное рассмотрение обоих исходов для индивида, когда он подвергся (исход Yi(1)) и не подвергся воздействию (исход Yi(0)), то индивидуальный эффект воздействия представляет собой разность этих исходов Yi(1) – Yi(0).

Средний эффект воздействия (Sample Average Treatment Effect) представляет собой сумму разностей всех индивидуальных исходов:

где i — число наблюдений, для которых Ti=1.

Чтобы воссоздать ненаблюдаемый исход для каждого индивида (counterfactual outcome) и устранить дисбаланс в значении ковариат в контрольной и экспериментальной группах, используются техники так называемого мэтчинга — специального метода сопоставления наблюдений в выборке [44].

Несмотря на отдельные попытки сформулировать общие рекомендации по выбору подходящего метода мэтчинга [46], перебор и тестирование различных методов предлагаются в качестве универсальной рекомендации [21]. Тем не менее при выборе методов мэтчинга кажется важным принять во внимание дискуссию, существующую между представителями двух конкурирующих подходов — доминирующего в литературе подхода Equal percent bias reducing (EPBR) [43] и нового класса методов «Monotonic Imbalance Bounding» (MIB) [25]. Ключевые различия между данными подходами заключаются, во-первых, в принципах сопоставления наблюдений в выборке и объединения их в мэтчинг-пару и, во-вторых, в алгоритмах, с помощью которых достигается баланс данных.

Подробный анализ и тестирование существующих техник мэтчинга находятся за рамками данного исследования, однако кажется важным обеспечить некоторую сравнительную перспективу при выборе методов мэтчинга, сопоставив результаты нескольких наиболее разработанных методов в рамках конкурирующих подходов.

Из спектра методов первого подхода была выбрана наиболее популярная в социальных науках техника мэтчинга [52], оценивающая «расстояния» между наблюдениями по методу «ближайшего соседа» (nearest neighborhood, NN). В качестве критерия для определения степени близости двух наблюдений на пространстве ковариат использовалось расстояние Махаланобиса [42], в соответствии с которым расстояние (D) между наблюдениями определяется как:

где Σ — ковариационная матрица ковариат [3].

Особенностью данной метрики является ее независимость от используемых единиц измерения переменных [3], что является преимуществом для работы с имеющимся набором данных, в котором переменные измерены в разных шкалах. Важным параметром также является количество наблюдений из противоположной группы, которое ставится в соответствие объекту. Согласно [3], универсальных рекомендаций в данном отношении не выработано, и зачастую один объект для соответствия считается достаточным.

Из пула стратификационных методов был рассмотрен метод Coarsened exact мэтчинг [26], который является модификацией наиболее простого и мощного мэтчинг метода — exact matching [21], адаптированного для работы с континуальными переменными. В основе данного метода лежит работа по формированию страт, репрезентирующих всевозможные комбинации значений рассматриваемых ковариат, и отнесение наблюдения к той или иной страте.

Исходя из специфики работы выбранных методов можно предположить, что первый метод приведет к меньшим потерям данных при более низких показателях итоговой сбалансированности и к обратной ситуации в случае второго метода.

Предварительная подготовка и диагностика данных для мэтчинга

Предварительная диагностика данных показала, что распределение переменной уровень образования сильно отклоняется от нормального, что осложняет ее использование для мэтчинга с расстоянием Махаланобиса, который является чувствительным к распределению переменных [22]. Номинальная переменная род деятельности трудно поддается редукции до более простых категорий, что осложняет ее использование для Coarsened exact мэтчинга. Дальнейшая проверка показала, что данные переменные не оказывают влияние на целевую переменную. Поскольку относительно данных переменных не было выдвинуто теоретических ожиданий, было принято решение исключить их из перечня переменных.

Анализ данных

С помощью метода логистической регрессии производится параметрическая оценка эффекта воздействия опыта утраты приватности на использование пользователями настроек приватности. Для оценки адекватности полученных моделей данным (goodness-of-fit statistics) используется ряд показателей pseudo R2 [34] (NagelKerke, McFadden, Cox and Snell). Дополнительно для оценки качества модели использовался тест Хосмера-Лемешова, значимость которого (p<0,05) указывает на низкое качество модели [24]. Наконец, информационный критерий AIC (Akaike’s Information Criteria) рассматривается как основа для сравнения моделей между собой, где более низкие значения указывают на лучшее качество модели [9]. Обработка и анализ данных были проведены с помощью языка программирования R (в среде Rstudio, версия 3.6.1.) с использованием пакетов MatchIt, Сem, rcompanion, generalhoslem, psych, mirt, lavaan.

Результаты

Предварительная диагностика исходных данных показала, что по всем переменным, кроме возраста и склонности устанавливать связи, разница в средних значениях между группой воздействия и контрольной группой является незначимой и не превышает 0,08, что указывает на удовлетворительную сбалансированность исходных данных (табл. 1). Балансировка данных позволила устранить различия в средних значениях между всеми переменными.

Полученные регрессионные модели демонстрируют удовлетворительное качество [33], показатели псевдо-R2 варьируются в диапазоне 0,1-0,5 (табл. 2). Однако как показатели псевдо-R2, так и информационные критерии AIC показывают, что модели, построенные на сбалансированных данных, демонстрируют более высокое качество, чем модель с исходными данными. Тесты Хосмера-Лемешова оказываются незначимыми, что позволяет отвергнуть нулевую гипотезу о неудовлетворительном качестве моделей. Как и ожидалось, наивысшее качество демонстрирует CEM-модель, однако она же характеризуется большей потерей данных.

В ходе регрессионного моделирования удалось выявить средний эффект воздействия переменной «Опыт утраты приватности» только на один тип поведения по поддержанию приватности — ограничение доступа к входящим постам на стене. Созвучно исследованию [37], вторым фактором, демонстрирующим устойчивую взаимосвязь с данной зависимой переменной, оказывается цифровая грамотность пользователя в вопросах защиты приватности.

Обсуждение результатов

Вопросы защиты личной приватности и безопасности в интернете оказываются релевантны для респондентов — приватность практически половины респондентов (43%) была нарушена ранее в том или ином аспекте.

Несмотря на данную статистику, регулирование только одного аспекта приватности определяется предыдущим опытом — доступ других людей к записям, размещенным на стене в профиле пользователя в социальной сети «ВКонтакте», что в некоторой степени совпадает с результатами предыдущих исследований (приложение 1).

Полученные результаты до некоторой степени согласуются с «experience-behavior» гипотезой [51], рассматривающей предыдущий опыт как основу для последующего поведения. Получается, что именно возможность просмотра постов, оставленных другими людьми на стене, ассоциируется у пользователей с рисками для приватности и требует регулирования (в то время как комментирование и написание постов на стене таковым не является).

В целом «стена» является важным каналом для публичной коммуникации пользователя с аудиторией своих подписчиков [31], где пользователи общаются и получают обратную связь друг от друга. В то же самое время посты, оставленные другими пользователями публично, могут стать источником риска приватности по нескольким причинам. Во-первых, в одном виртуальном пространстве смешивается множество различных социальных контекстов индивида, что приводит к так называемому «контекстуальному коллапсу» [17]. Данный феномен описывается как ситуация, в которой индивид вынужден учитывать присутствие в одном виртуальном пространстве совершенно разных «аудиторий» (коллеги, родственники, друзья и т.д.), с каждой из которых могут быть различные по степени близости отношения. В дополнение, в отсутствие ограничений настроек приватности у пользователей отсутствует возможность контролировать содержание и момент появления входящей информации на стене, которая потенциально может повлечь для человека репутационные или иные риски.

Следует отметить, что нерегулирование других рассмотренных аспектов приватности может быть связано с их большей значимостью для нетворкинга и целей построения социального капитала. Теория «privacy calculus» предлагает рассматривать решения индивидов в отношении поддержания личной приватности онлайн с экономических позиций: пользователи взвешивают возможные выгоды и последствия, следующие за раскрытием какой-либо информации, и выбирают вариант, при котором выгоды превышают «потери» [16]. В контексте данной теории выгода от нерегулирования рассмотренных аспектов приватности может перевешивать возможные риски. Прояснение значимости данных аспектов онлайн-поведения для выстраивания стратегий онлайн-презентации и нетворкинга пользователей кажется интересной перспективой для дальнейших исследований.

Текущее исследование не выявило значимой связи между открытостью постов на стене пользователя и стремлением развивать социальные связи. Можно предположить, что посты других пользователей на стене воспринимаются менее продуктивной основой для развития социального капитала, нежели личная информация. Кроме того, различия в результатах могут следовать из концептуальной разницы в измерении социальной активности индивида. В текущем исследовании данный конструкт рассматривался больше как поведенческая ориентация, нежели чем личностная черта [28].

В одной из моделей обнаруживаются гендерные различия, созвучные с полученными на выборках пользователей социальной сети «Фейсбук»⁴: женщины оказываются менее склонны регулировать доступ к публичным записям профиля [20]. Данные различия могут интерпретироваться в терминах «цифрового разрыва», который возникает в связи с различиями в гендерной социализации и влияет на степень владения техническими навыками, в том числе в области защиты цифровых персональных данных [38].

Ограничения исследования

Одно из ограничений связано с методикой построения выборки в онлайн-исследованиях, надежность которых активно обсуждается в научном сообществе [2]. Несмотря на оптимистические оценки метода поточной выборки, данная техника, как и традиционные, не освобождает от смещений, связанных с самоотбором (self-selection bias). Размер данного смещения невозможно оценить, поскольку отсутствует техническая возможность получить сведения о тех людях, которые увидели, но не совершили переход по ссылке рекламного объявления.

Данные об используемых настройках приватности и наличии у пользователя негативного опыта утраты приватности принадлежат к одному временному периоду. Кроме того, рассматривалось естественное, а не контролируемое влияние воздействующей переменной на возможные поведенческие исходы. Несмотря на использование методов псевдорандомизации, до некоторой степени позволяющих отделить эффект негативного опыта на поведение пользователей от эффектов других переменных, полученные результаты следует интерпретировать в терминах взаимосвязи, а не каузальности.

Дополнительно следует отметить, что шкала склонности устанавливать социальные связи ранее не была адаптирована на русский язык и нуждается в более детальном изучении и валидации. Переменная «Самооценка» измерялась одним вопросом, что также ограничивает возможности интерпретации связанного с ней эффекта. Дополнительная проверка показала устойчивость полученных эффектов при исключении из анализа данных измерений, что позволяет исключить негативное влияние их неустановленного статуса валидности на итоговый результат.

Наконец, в фокусе внимания исследования находятся пользователи конкретной социальной сети, являющиеся жителями определенного города России, что также ограничивает потенциал для генерализации полученных результатов.

Выводы

Полученные результаты можно обобщить в следующих выводах:

1. Наличие у пользователя опыта, связанного с нарушением его приватности в социальной сети, практически не приводит к более «бдительному» поведению. Единственный аспект приватности, который является значимым для пользователей — доступ к публичным записям, размещенным в аккаунте пользователя. Таким образом, наблюдается выборочное действие так называемого «парадокса приватности», когда негативный опыт приводит к частичному регулированию собственной безопасности онлайн.

2. Использование настроек приватности пользователем связано с его информированностью о возможностях поддержания приватности, предоставляемых социальной сетью. Таким образом, различные интервенции в области повышения цифровой грамотности пользователей могут оказаться эффективным способом повышения безопасности пребывания в Сети.

3. В исследовании применялись различные техники мэтчинга, позволяющие сбалансировать существующие данные и выявить эффект воздействия негативного опыта на поведение в области приватности. Методологические различия рассмотренных техник мэтчинга проявились только на уровне качества полученных моделей, однако не привели к содержательным различиям в результатах исследования.

Таблица 1

Разница в средних значениях показателей в контрольной группе и группе воздействия при использовании различных техник мэтчинга данных

Примечания: * — p<0.05, ** — p<0.01; *** — p<0.001.

Таблица 2

Модели логистической регрессии, описывающие эффект воздействия негативного опыта приватности
на доступ к записям на стене пользователя

Примечания: * — p<0.05, ** — p<0.01, *** — p<0.001.

Приложение 1

Сравнительный анализ результатов исследований о связи между опытом утраты онлайн-приватности и поведением пользователей социальных сетей