于凱， 王云樂(lè)

1. 新疆財(cái)經(jīng)大學(xué) 信息管理學(xué)院，新疆 烏魯木齊 830012；2. 新疆財(cái)經(jīng)大學(xué) 公共管理學(xué)院，新疆 烏魯木齊 830012

社交媒體行業(yè)隨著移動(dòng)通訊技術(shù)的發(fā)展而不斷迅速演進(jìn), 公眾隱私邊界在頻發(fā)的信息泄露問(wèn)題中被重新界定． 隱私泄露是公眾在網(wǎng)絡(luò)安全中最容易受到影響的部分, 在社交媒體中該現(xiàn)象更為明顯． 部分平臺(tái)所獲取的權(quán)限遠(yuǎn)超過(guò)其需要使用的數(shù)量, 社交媒體中頻繁發(fā)生的隱私泄露事件嚴(yán)重影響了用戶隱私披露的意愿[1]． 2021年9月《中華人民共和國(guó)數(shù)據(jù)安全法》正式施行, 在網(wǎng)絡(luò)安全問(wèn)題中, 公眾更加關(guān)注個(gè)人信息泄露問(wèn)題, 隱私主體被惡意騷擾甚至引發(fā)網(wǎng)暴事件被廣泛討論, 面對(duì)數(shù)字化轉(zhuǎn)型中的挑戰(zhàn), 隱私泄露成為亟待解決的問(wèn)題之一．

本研究從互動(dòng)儀式鏈視角出發(fā), 從主題和情感兩個(gè)維度進(jìn)行分析, 探究不同用戶群體對(duì)于隱私泄露事件的態(tài)度． 結(jié)合互動(dòng)儀式鏈中相互關(guān)注的焦點(diǎn)及情感的共享等基本要素, 分析隱私泄露中的痛點(diǎn)問(wèn)題, 挖掘不同群體對(duì)于隱私泄露事件產(chǎn)生容忍度差異的原因, 對(duì)社交媒體上該現(xiàn)象的網(wǎng)絡(luò)輿情展開(kāi)討論, 為相關(guān)政策的制定提供有效依據(jù)． 進(jìn)而幫助有關(guān)部門和平臺(tái)明確披露個(gè)人信息的邊界, 促進(jìn)隱私服務(wù)的完善, 在保證用戶隱私披露安全性、 主動(dòng)性及滿意度的同時(shí)維系平臺(tái)的蓬勃發(fā)展． 基于以上目的, 本文重點(diǎn)回答以下問(wèn)題: (1) 不同群體對(duì)于隱私泄露事件的關(guān)注點(diǎn)是否有差異?(2) 各群體對(duì)于隱私泄露事件的側(cè)重點(diǎn)是否與其群體屬性有關(guān)?(3) 互動(dòng)儀式對(duì)隱私泄露事件的情感傾向是否有一定的影響?

1 相關(guān)研究

互動(dòng)儀式鏈理論提出, 群體活動(dòng)的參與者利用相互關(guān)注的焦點(diǎn)及共享的情感狀態(tài)[2]在互動(dòng)儀式中獲得群體歸屬感和身份認(rèn)同感[3]． 其基本要素包含身體在場(chǎng)、 共同的情感狀態(tài)、 共同關(guān)注的焦點(diǎn)及對(duì)局外人設(shè)限4個(gè)方面． 該理論的核心是情感能量的傳遞, 個(gè)體情感能量受到群體的影響, 早期用于研究主體間的互動(dòng)關(guān)系[4]或理論修正[5]． 由于網(wǎng)絡(luò)的發(fā)展, 身體在場(chǎng)這一要素逐漸演化為網(wǎng)絡(luò)空間的虛擬在場(chǎng)[6], 所以也有學(xué)者運(yùn)用這一理論對(duì)網(wǎng)絡(luò)輿情進(jìn)行分析, 探究視頻彈幕網(wǎng)站中的情感演化規(guī)律[7]或是特殊群體的情緒轉(zhuǎn)化過(guò)程[8]．

將互動(dòng)儀式鏈理論與網(wǎng)絡(luò)輿情分析相結(jié)合豐富了研究視角, 在對(duì)隱私泄露問(wèn)題的探討中引入該理論可以構(gòu)建多視野分析框架． 隱私泄露問(wèn)題指未經(jīng)授權(quán)公開(kāi)隱私主體個(gè)人信息的行為, 在社交媒體不斷發(fā)展的今天是一種普遍現(xiàn)象． 目前的研究主要包括對(duì)隱私泄露原因的探究[9]; 保護(hù)對(duì)策的有效性分析[10]; 影響隱私泄露的關(guān)鍵因素討論[11]． 有學(xué)者結(jié)合具體案例分析隱私泄露的原因[12]; 以圖書館為平臺(tái)找尋隱私泄露的途徑[13]． 由于個(gè)體差異存在容忍度的區(qū)分[14], 有學(xué)者在醫(yī)療數(shù)據(jù)泄露[15]和應(yīng)用程序泄露[16]等方面建立了容忍度測(cè)量方法． 在隱私泄露行為發(fā)生后, 應(yīng)完善舉報(bào)機(jī)制以減少信息擴(kuò)散[17], 加強(qiáng)社交媒體管理減少再次發(fā)生的概率[18]． 面對(duì)突發(fā)的新冠疫情, 借助大數(shù)據(jù)實(shí)現(xiàn)“數(shù)據(jù)防疫”取得了較好的成果, 但這也使公眾重新思考隱私披露的安全性問(wèn)題, 在信息收集過(guò)程中加大了隱私泄露的風(fēng)險(xiǎn), 容易使公眾的負(fù)面情緒轉(zhuǎn)移為網(wǎng)絡(luò)暴力行為, 產(chǎn)生較為嚴(yán)重的后果[19]．

社交媒體中的文本數(shù)據(jù)較為雜亂, 分析過(guò)程中需要對(duì)數(shù)據(jù)進(jìn)行整理, 對(duì)信息進(jìn)行挖掘． 對(duì)隱私泄露事件進(jìn)行主題挖掘及情感分析是研究該類事件網(wǎng)絡(luò)輿情的兩個(gè)重要維度． 目前主題識(shí)別的研究方法已較為成熟, 有學(xué)者利用LDA模型對(duì)在線健康社區(qū)中用戶關(guān)注的主題詞進(jìn)行提取[20]; 利用LDA2vec模型進(jìn)一步提高政策文本語(yǔ)義內(nèi)涵挖掘的完整性[21]; 針對(duì)隱私泄露中的圍觀者進(jìn)行主題抽取[22]． 也有學(xué)者借助LSTM算法輔助主題分類研究, 提出按照詞組分詞抽取主題以提高準(zhǔn)確度[23]． 在網(wǎng)絡(luò)輿情的研究中, 引入情感分析可以拓展研究角度． 目前使用較多的情感分析方法主要為3類, 即利用情感詞典進(jìn)行情感分類[24]、 借助卷積神經(jīng)網(wǎng)絡(luò)建立情感分類模型[25]及基于深度學(xué)習(xí)對(duì)情感極性進(jìn)行分析[26]． 現(xiàn)有改進(jìn)分析方法多是基于這3類發(fā)展出的更加精確的情感分類模型．

相關(guān)研究已從多方面關(guān)注到隱私泄露的風(fēng)險(xiǎn)性, 但多從用戶容忍度及政策完善等方面對(duì)該現(xiàn)象進(jìn)行討論, 少有研究關(guān)注到隱私泄露的主題集中性及各用戶群體關(guān)注中心的差異性． 故本文探究了隱私泄露事件在互動(dòng)儀式鏈視角下的痛點(diǎn)問(wèn)題, 借助主題挖掘與情感傾向分析, 對(duì)不同群體間主題差異性及情感傾向分布進(jìn)行挖掘, 針對(duì)社交媒體中該現(xiàn)象的網(wǎng)絡(luò)輿情展開(kāi)討論, 為相關(guān)政策的制定提供有效依據(jù), 促進(jìn)隱私服務(wù)的完善．

2 研究方法

豆瓣小組實(shí)行進(jìn)組審核制, 滿足對(duì)局外人設(shè)限這一基本要素, 同時(shí)組內(nèi)成員存在共同興趣或身份屬性, 具有相似的視角． 故以豆瓣小組作為社交媒體數(shù)據(jù)來(lái)源, 爬取各小組內(nèi)對(duì)于“隱私泄露”事件的討論, 獲取發(fā)帖時(shí)間、 討論詳情及小組類別等數(shù)據(jù), 借助哈工大停用詞表去除停用詞、 jieba分詞工具進(jìn)行分詞及人工去除無(wú)意義字符等預(yù)處理后, 利用BERTopic模型和百度AI情感分析模塊從主題挖掘與情感分析兩個(gè)維度對(duì)數(shù)據(jù)進(jìn)行分析與整合． 對(duì)應(yīng)研究框架見(jiàn)圖1．

圖1 研究框架圖

2.1 互動(dòng)儀式鏈

互動(dòng)儀式鏈理論包含4個(gè)基本要素, 即身體在場(chǎng)、 焦點(diǎn)共同、 情感共享及對(duì)外設(shè)限4個(gè)組成要素, 基于該理論構(gòu)建豆瓣小組關(guān)于隱私泄露事件主體關(guān)系圖, 如圖2所示．

圖2 主體關(guān)系圖

隨著社交媒體的發(fā)展, 身體在場(chǎng)這一要素不再局限于實(shí)體, 豆瓣小組將組內(nèi)成員聚集起來(lái), 實(shí)現(xiàn)網(wǎng)絡(luò)空間的虛擬在場(chǎng)． 同時(shí)組內(nèi)成員關(guān)注領(lǐng)域相同, 在隱私泄露事件中有共同的焦點(diǎn), 互相分享傳播所關(guān)注的內(nèi)容． 當(dāng)事件發(fā)生引發(fā)較多話題時(shí), 人們傾向于靠近觀點(diǎn)相似或是情感傾向相似的討論, 在不斷表達(dá)觀點(diǎn)的過(guò)程中產(chǎn)生情感共享進(jìn)而積累情感能量． 同時(shí)對(duì)外設(shè)限這一要素能使用戶產(chǎn)生身份認(rèn)同感, 進(jìn)一步參與討論． 基于互動(dòng)儀式鏈理論, 進(jìn)行主題挖掘以探究各群體關(guān)注焦點(diǎn), 計(jì)算情感傾向以分析用戶間情感共享狀態(tài), 利用主題相似度判斷不同小組之間是否具有差異．

互動(dòng)儀式會(huì)產(chǎn)生一定的結(jié)果． 組內(nèi)成員不斷參與小組討論, 通過(guò)發(fā)帖或評(píng)論推動(dòng)互動(dòng)儀式的持續(xù)進(jìn)行, 進(jìn)而衍生出組內(nèi)專有詞匯或暗號(hào), 加強(qiáng)成員對(duì)小組的認(rèn)同感, 產(chǎn)生群體之間的團(tuán)結(jié)． 不斷積累的情感能量及對(duì)焦點(diǎn)的認(rèn)同或反對(duì)短期內(nèi)表現(xiàn)為觀點(diǎn)表達(dá)或情緒流露, 到達(dá)一定閾值后各用戶之間產(chǎn)生情感聯(lián)結(jié), 推動(dòng)用戶參與下一個(gè)互動(dòng)儀式． 線上積累的情感在線下接觸同類型事件時(shí)會(huì)產(chǎn)生一定的行為映射, 推動(dòng)支持或反對(duì)某些措施的線下行為． 同時(shí)由于互動(dòng)儀式而產(chǎn)生的群體團(tuán)結(jié), 組內(nèi)成員對(duì)于小組內(nèi)部的觀點(diǎn)有較強(qiáng)的認(rèn)可, 進(jìn)而形成維護(hù)群體道德標(biāo)準(zhǔn), 對(duì)不符合組規(guī)或者破壞群體團(tuán)結(jié)的人會(huì)表示反擊或不滿．

2.2 BERTopic主題挖掘

BERTopic是基于深度學(xué)習(xí)的一種主題建模方法[27], 利用BERT嵌入和基于類的TF-IDF創(chuàng)建密集集群, 可以對(duì)大量的短文本數(shù)據(jù)進(jìn)行高效的建模, 非常適合用于對(duì)豆瓣討論等文本進(jìn)行主題提取的任務(wù)． 該模型的原理如圖3所示, 在BERTopic的每一階段都可以選擇更加匹配數(shù)據(jù)的處理辦法． 本研究根據(jù)所選文本特征, 首先利用SpaCy文本預(yù)處理庫(kù)對(duì)數(shù)據(jù)進(jìn)行處理, 再用UMAP 降維算法(Uniform Manifold Approximation and Projection for Dimension Reduction)對(duì)詞嵌入向量進(jìn)行降維處理[28], 通過(guò)HDBSCAN聚類算法(Hierarchical Density-Based Spatial Clustering of Applications with Noise)對(duì)降維后的向量進(jìn)行聚類, 最后提取與主題最為相關(guān)的候選詞．

圖3 BERTopic模型原理

根據(jù)公式(1)計(jì)算BERTopic模型中所得主題內(nèi)的詞重要性, 以TF-IDF為基礎(chǔ)的改進(jìn)c-TF-IDF, 挖掘出每個(gè)主題中的表證詞．Wx,c表示詞x在語(yǔ)義簇c中的重要性得分,tfx,c表示詞x在語(yǔ)義簇c中出現(xiàn)的頻率,fx表示所有語(yǔ)義簇中詞x出現(xiàn)的頻率,Ave表示每個(gè)語(yǔ)義簇中出現(xiàn)詞匯數(shù)的均值．

(1)

對(duì)所獲取的文本進(jìn)行基本處理之后, 利用BERTopic進(jìn)行主題挖掘及主題詞提取, 獲取某一討論的主題概率分布圖, 如圖4所示． 由該圖可以看出, 該討論內(nèi)容來(lái)自某一個(gè)主題的概率比其他主題的高, 其主題分布較為準(zhǔn)確． 將提取出的主題進(jìn)行相似度對(duì)比, 結(jié)果如圖5所示, 各主題間相似程度較低, 利用BERTopic對(duì)豆瓣小組的文本進(jìn)行主題抽取能夠取得較好的效果．

圖4 主題概率分布圖

圖5 主題相似度熱力圖

利用余弦相似度計(jì)算不同類別間的主題相似程度, 對(duì)文本內(nèi)容進(jìn)行分詞后向量化, 將兩個(gè)向量的空間夾角的余弦值作為兩個(gè)文本的相似度, 值越大相似度越高, 利用公式(2)判斷兩個(gè)向量夾角余弦, 其中A、B為兩個(gè)n維向量．

(2)

2.3 情感傾向分析

情感分析與主題挖掘相結(jié)合能對(duì)網(wǎng)絡(luò)輿情中的觀點(diǎn)態(tài)度有更多維度的識(shí)別． 在現(xiàn)有的情感分析方式中, 百度情感傾向分析結(jié)合了情感詞典和機(jī)器學(xué)習(xí)兩種情感分析方法, 相較于單一情感分析, 具有更高的效率及準(zhǔn)確度． 其情感傾向詞庫(kù)中含有來(lái)自各個(gè)領(lǐng)域的正、 負(fù)向語(yǔ)料庫(kù), 在這些語(yǔ)料庫(kù)的基礎(chǔ)上訓(xùn)練模型使得通用準(zhǔn)確率達(dá)到92%[29],普適性以及準(zhǔn)確性都較高, 能夠?yàn)楸狙芯刻峁┹^為準(zhǔn)確的實(shí)驗(yàn)結(jié)果．

百度情感傾向分析通過(guò)對(duì)文本信息的情感分類(積極、 消極)和對(duì)應(yīng)的可信度來(lái)實(shí)現(xiàn)情感評(píng)價(jià)． 將數(shù)據(jù)通過(guò)百度AI的接口輸入, 得到情感分類結(jié)果及可信度． 主要步驟為: ① 通過(guò)http請(qǐng)求向百度AI接口提交需要處理的文本數(shù)據(jù)． ② 百度AI處理后返回情感極性分類結(jié)果, 正面情感與負(fù)面情感的概率, 方便之后對(duì)情感結(jié)果展開(kāi)進(jìn)一步分析研究．

除此之外, 在將數(shù)據(jù)輸入百度情感分析模型前, 需要人工清洗文本內(nèi)容, 將表情符號(hào)及相關(guān)網(wǎng)絡(luò)用語(yǔ)轉(zhuǎn)換為常用語(yǔ)． 部分用戶習(xí)慣于使用emoji或顏文字表達(dá)情感, 這部分內(nèi)容在處理時(shí)需選擇與其意思相近的詞語(yǔ)做替換, 以得到更準(zhǔn)確的情感分類結(jié)果．

3 研究過(guò)程

社交媒體的發(fā)展使互動(dòng)儀式鏈組成要素中的身體在場(chǎng)能夠以虛擬身份表達(dá), 對(duì)外設(shè)限這一要素也由于各網(wǎng)絡(luò)平臺(tái)的不同特性得以成立． 同時(shí)豆瓣小組具有的泛連接用戶關(guān)系、 審核申請(qǐng)制的特性也決定了組內(nèi)成員有著共同的關(guān)注點(diǎn)及共享的情感狀態(tài)． 互動(dòng)儀式鏈的4個(gè)基本要素在豆瓣小組這一平臺(tái)上都被滿足．

3.1 數(shù)據(jù)采集與預(yù)處理

選取豆瓣為數(shù)據(jù)來(lái)源, 借助八爪魚采集器以“隱私泄露”為關(guān)鍵詞爬取評(píng)論數(shù)據(jù)共1 539條, 以哈工大停用詞表為基礎(chǔ), 結(jié)合本文數(shù)據(jù)采集過(guò)程中出現(xiàn)的無(wú)意義字符與數(shù)值等, 對(duì)文本中的無(wú)效內(nèi)容進(jìn)行剔除． 借助jieba分詞工具進(jìn)行分詞, 再通過(guò)關(guān)鍵詞共現(xiàn)展示詞組兩兩出現(xiàn)在一篇文檔中的次數(shù), 揭示詞組之間的邏輯關(guān)系進(jìn)而分析它們所代表文檔的結(jié)構(gòu)變化． 經(jīng)過(guò)數(shù)據(jù)去重后得到1 102條數(shù)據(jù), 時(shí)間跨度為2006年11月至2023年3月, 各年份分布圖如圖6所示．

圖6 隱私泄露討論熱度

自2006年至今, 豆瓣中關(guān)于“隱私泄露”的討論在2009年、 2014年、 2021年出現(xiàn)過(guò)3次起伏． 2009年豆瓣開(kāi)始實(shí)行組長(zhǎng)實(shí)名制, 用戶需提供身份信息等內(nèi)容; 2014年奇虎360與騰訊公司關(guān)于隱私侵占?jí)艛嗟脑V訟以360敗訴收尾, 該類事件被推向公眾視野; 2021年央視315曝光了三起規(guī)模較大的隱私泄露事件, 同時(shí)健康寶通行碼等疫情相關(guān)小程序引發(fā)較多討論．

根據(jù)豆瓣官方對(duì)小組的類別標(biāo)簽進(jìn)行簡(jiǎn)單分類, 涉及“隱私泄露”話題的小組類別共20個(gè), 各小組類別占比如圖7所示． 生活類小組占比最多達(dá)到27.86%, 科技、 情感、 校園、 職場(chǎng)類小組關(guān)于“隱私泄露”有較多討論, 其討論主題各有側(cè)重．

圖7 隱私泄露話題各類小組討論占比

在對(duì)隱私泄露問(wèn)題的討論中, 整體關(guān)注點(diǎn)多集中在社交媒體使用過(guò)程中是否存在泄露隱私、 避免隱私泄露的技術(shù)及身邊隱私泄露相關(guān)事件． 除了用戶自身行為導(dǎo)致的隱私泄露, 一些被動(dòng)的泄露行為也會(huì)引起廣泛討論, 如公司或?qū)W校無(wú)法避免的信息填寫等． 在關(guān)鍵詞提取后構(gòu)建共現(xiàn)矩陣, 選取其中共現(xiàn)次數(shù)較高的關(guān)鍵詞, 如表1所示, 其共現(xiàn)次數(shù)越多說(shuō)明二者關(guān)系越密切． 其中信息、 手機(jī)及用戶等詞都有較高頻次的共現(xiàn), 說(shuō)明手機(jī)使用過(guò)程中產(chǎn)生的信息泄露問(wèn)題是公眾關(guān)注的重點(diǎn)． 除此之外, 泄露方式及渠道也較多被討論．

表1 共現(xiàn)矩陣

3.2 焦點(diǎn)共同——主題識(shí)別

借助BERtopic主題挖掘工具對(duì)討論文本進(jìn)行主題分析, 利用LDA主題提取進(jìn)行輔助分析, 隨機(jī)選取4個(gè)類別的某條討論繪制文檔—主題分布圖, 如圖8． 從圖中可以看出所選文檔的某1個(gè)或2個(gè)主題概率相比其他主題概率高, 即文檔均存在主要主題, 較好地實(shí)現(xiàn)了文本主題的劃分．

圖8 文檔主題分布

在互動(dòng)儀式鏈中, 組內(nèi)成員有著共同的關(guān)注焦點(diǎn), 柯林斯認(rèn)為個(gè)體在參與到集體的互動(dòng)中時(shí)有較強(qiáng)的身份認(rèn)同感, 周圍群體的討論易引起用戶積極參與． 對(duì)各類小組所關(guān)注的主題進(jìn)行挖掘, 其中科技、 生活、 校園及職場(chǎng)4個(gè)小組的主題數(shù)量及其概率詞如表2-表5所示． 科技類小組主要關(guān)注隱私泄露的具體類別, 如后臺(tái)程序或者照片定位等, 同時(shí)關(guān)注蘋果等手機(jī)品牌在數(shù)據(jù)安全方面的優(yōu)劣性． 在2010年騰訊與奇虎360之爭(zhēng)中發(fā)布討論的也多為科技類小組, 進(jìn)一步說(shuō)明該類小組討論側(cè)重于產(chǎn)品或軟件而非用戶行為．

表3 生活類小組隱私泄露討論主題分類

表4 校園類小組隱私泄露討論主題分類

表5 職場(chǎng)類小組隱私泄露討論主題分類

生活組對(duì)于隱私泄露問(wèn)題的討論多集中在身邊事, 相較于科技組側(cè)重從數(shù)據(jù)角度避免隱私泄露, 生活組更注重隱私泄露后的補(bǔ)救措施及情緒撫慰． 同時(shí)生活組的討論主題還包括購(gòu)物軟件、 快遞和外賣等涉及私人信息的隱私保護(hù)問(wèn)題, 以及提出切實(shí)有效的隱私保護(hù)措施, 如涂黑快遞信息等． 相較于男性, 女性更加擔(dān)心隱私泄露問(wèn)題, Topic1、 Topic6中都提及到女性隱私泄露問(wèn)題．

職業(yè)屬性集中的校園類小組和職場(chǎng)類小組在關(guān)于隱私泄露問(wèn)題的討論中側(cè)重點(diǎn)不同． 校園類小組更多關(guān)注論文中隱私泄露的問(wèn)題． 如Topic1所示, 包括需要完成的問(wèn)卷及論文的查重是否造成隱私泄露等． 由于學(xué)生較多受學(xué)校管束, 所以部分用戶對(duì)學(xué)校的信息采集等必要措施也進(jìn)行了討論, 他們認(rèn)為共享文檔等內(nèi)容存在泄露隱私的隱患． 我國(guó)在校大學(xué)生寒暑假期間往往有跨區(qū)域流動(dòng), Topic5說(shuō)明他們出行過(guò)程中更加擔(dān)心車票等是否會(huì)泄露信息, 共享單車等出行軟件是否有良好的隱私保護(hù)性． 與其他群體相比, 學(xué)生群體愿意花費(fèi)更多的時(shí)間在社交媒體上, 接觸不同類的社交媒體也使得該類小組對(duì)于社交媒體泄露隱私的問(wèn)題更加關(guān)注, 其中就有抖音等平臺(tái)隨手拍行為是否注意到了路人打碼等問(wèn)題的討論．

與校園類小組不同的是, 職場(chǎng)類小組更加側(cè)重對(duì)隱私泄露行為可能會(huì)帶來(lái)的后果及風(fēng)險(xiǎn)的分析, 更加注重從法律角度對(duì)隱私泄露問(wèn)題進(jìn)行解讀, 在嚴(yán)重的隱私泄露事件中, 個(gè)人力量在法律上能否與企業(yè)所抗衡． Topic1顯示, 部分公司攝像頭數(shù)量較多, 公司內(nèi)部網(wǎng)絡(luò)泄露員工隱私等現(xiàn)象都引起了較多討論． Topic2說(shuō)明由于個(gè)人簡(jiǎn)歷往往包含較完整的個(gè)人信息, 有部分用戶擔(dān)心在求職過(guò)程中被招聘軟件非法收集簡(jiǎn)歷造成信息泄露．

3.3 情感共享——情感傾向分析

用戶在發(fā)布討論時(shí)會(huì)帶有情感詞, 這些詞主要反應(yīng)了用戶在對(duì)共同關(guān)注的焦點(diǎn)討論后的情感狀態(tài)． 對(duì)用戶情感傾向進(jìn)行分類, 選取其中10類小組的情感分布, 如圖9所示． 在同一小組中, 用戶情感狀態(tài)容易受到組內(nèi)其他討論的影響, 相互關(guān)注的焦點(diǎn)也影響著用戶的情感, 隨著互動(dòng)的推進(jìn), 用戶情感不斷波動(dòng)而產(chǎn)生情感能量的積累． 在隱私泄露事件的討論中, 負(fù)面情感在職場(chǎng)、 閑聊、 校園、 美食、 理財(cái)、 家居及ACG類小組中占比較高． 其中校園類小組關(guān)于隱私泄露事件的討論最為負(fù)面, 其原因可能是學(xué)生群體在情感上容易沖動(dòng), 情感起伏較大． 而娛樂(lè)類小組正面情感最多, 該小組屬性偏向樂(lè)觀, 組內(nèi)整體情感較為積極, 所以對(duì)隱私泄露事件的討論也偏向正面． 而情感類、 生活類等小組由于其組內(nèi)情感趨于中性, 日常討論內(nèi)容較為平和, 故對(duì)于隱私泄露事件的情感并未出現(xiàn)較明顯的波動(dòng)．

圖9 各類小組情感傾向

總體而言, 用戶對(duì)于隱私泄露的容忍度維持在一定閾值范圍內(nèi), 在該范圍內(nèi)情感傾向偏向積極． 如3.2節(jié)中所提, 校園類Topic5及職場(chǎng)類Topic3都涉及到基本身份信息的泄露, 該些討論使得整體情感傾向偏向消極． 而在娛樂(lè)類小組中情感傾向較為積極, 原因在于組內(nèi)討論多為各類防止隱私泄露的措施, 及接到部分騷擾電話的積極應(yīng)對(duì)行為． 部分用戶認(rèn)為, 大數(shù)據(jù)帶來(lái)的便利在某種程度上是以隱私泄露為代價(jià)的, 故對(duì)于使用這類軟件造成的隱私泄露保持積極情緒． 除此之外, 對(duì)于政府部門進(jìn)行防疫等必要舉措時(shí)產(chǎn)生的隱私披露, 公眾大都表示可以理解并接受．

3.4 對(duì)外設(shè)限——主題相似度計(jì)算

互動(dòng)儀式鏈中的一個(gè)基本要素是對(duì)局外人設(shè)限, 而豆瓣小組的進(jìn)組申請(qǐng)審核制滿足這一要素, 組外成員的討論受到一定的限制． 利用余弦相似度計(jì)算各類小組在討論隱私泄露事件時(shí)所涉及的主題是否相似, 并從中選取10個(gè)結(jié)果, 如表6所示． 大部分小組間所討論的主題相似度都較低, 但生活類小組因?yàn)槠鋬?nèi)容涉及面較為廣泛, 與各個(gè)小組都有交集, 所以與其他小組間主題相似度略高．

表6 部分類別小組間主題相似度

4 討論與分析

互動(dòng)儀式不斷進(jìn)行構(gòu)成互動(dòng)儀式鏈, 用戶在互動(dòng)儀式鏈中不斷參與討論、分享觀點(diǎn)、表達(dá)情感, 感受到所在群體的成員身份, 產(chǎn)生歸屬感, 進(jìn)而對(duì)破壞群體團(tuán)結(jié)的行為產(chǎn)生憤怒． 共同關(guān)注的焦點(diǎn)與互相影響的情感使群體中產(chǎn)生了專屬符號(hào), 在對(duì)隱私泄露事件的態(tài)度表達(dá)及預(yù)防措施討論中, 對(duì)用戶線下行為的實(shí)踐產(chǎn)生一定的影響． 互動(dòng)儀式鏈產(chǎn)生群體團(tuán)結(jié)、情感聯(lián)結(jié)與線下行為3個(gè)結(jié)果, 將互動(dòng)儀式結(jié)果與隱私泄露相關(guān)輿情結(jié)合起來(lái)提出措施建議, 幫助社交媒體平臺(tái)與相關(guān)部門進(jìn)一步完善隱私保護(hù)措施．

4.1 借助群體團(tuán)結(jié)增強(qiáng)隱私意識(shí)

隱私泄露具有較強(qiáng)的危害性與破壞性, 而我國(guó)公民尚未形成較強(qiáng)的個(gè)人隱私保護(hù)意識(shí), 不能充分認(rèn)識(shí)到身份證等重要信息在網(wǎng)絡(luò)傳播可能造成的危害． 互聯(lián)網(wǎng)的不斷發(fā)展使得隱私泄露事件不斷發(fā)生, 電信詐騙等利用已泄露的信息實(shí)施的違法行為, 在中老年群體中較為常見(jiàn), 給社會(huì)穩(wěn)定造成了一定影響． 互動(dòng)儀式產(chǎn)生的群體團(tuán)結(jié)使得豆瓣各小組內(nèi)部對(duì)于隱私泄露問(wèn)題持不同看法, 科技方面關(guān)注較多的群體對(duì)隱私泄露更加敏感, 如2022年豆瓣平臺(tái)展示用戶IP地址引發(fā)該類小組較為激烈的討論, 而生活類小組卻較多保持平和看待該事件．

由于群體團(tuán)結(jié)這一互動(dòng)儀式的結(jié)果, 各小組內(nèi)部關(guān)注點(diǎn)較為統(tǒng)一． 相關(guān)部門可利用群體團(tuán)結(jié)這一特性, 對(duì)于各小組可能產(chǎn)生的衍生主題提出預(yù)見(jiàn)性的舉措, 提前對(duì)關(guān)鍵問(wèn)題進(jìn)行應(yīng)對(duì), 借助對(duì)違反群體團(tuán)結(jié)的憤怒情緒推動(dòng)政策落地． 同時(shí)為了避免嚴(yán)重的隱私泄露, 在數(shù)據(jù)發(fā)展與保護(hù)信息之間達(dá)到平衡, 還需要多方面舉措并行． 各類APP對(duì)于隱私政策需要更加審慎, 做到公開(kāi)透明． 在隱私政策制定中體現(xiàn)出尊重用戶的更能獲得用戶信任[30], 也可以避免用戶的“被自愿”行為． 除職場(chǎng)類小組外, 其他類小組對(duì)于隱私泄露可能產(chǎn)生的后果沒(méi)有明確的認(rèn)知, 各社交媒體在日常推送中需增加相關(guān)內(nèi)容的表述, 以提升用戶隱私保護(hù)意識(shí), 并及時(shí)監(jiān)測(cè)各群體焦點(diǎn)的主題演化過(guò)程, 采取有效策略減緩可能的負(fù)面影響．

在隱私泄露問(wèn)題上維持動(dòng)態(tài)的平衡點(diǎn), 利用小組管理員的舉報(bào)反饋機(jī)制來(lái)調(diào)整組內(nèi)相關(guān)內(nèi)容的比例, 達(dá)到公眾知情權(quán)與隱私權(quán)的互相完善． 比如, 豆瓣和其他社交媒體平臺(tái)在疫情流調(diào)等情況下可能需要公布用戶個(gè)人信息, 這時(shí)可以根據(jù)各小組的特點(diǎn)進(jìn)行正向引導(dǎo), 發(fā)布脫敏的討論內(nèi)容, 以減少用戶的抵觸情緒． 同時(shí), 還應(yīng)該聚焦各群體的痛點(diǎn)問(wèn)題, 例如校園組的“論文泄露”、ACG組的“賬戶被盜”以及生活組的“地址威脅”, 集中處理以減少由隱私問(wèn)題引發(fā)的負(fù)面輿情．

4.2 基于情感聯(lián)接進(jìn)行疏導(dǎo)

通過(guò)不斷進(jìn)行互動(dòng)儀式, 參與者逐漸獲得情感能量, 并從早期不穩(wěn)定的情感狀態(tài)逐漸轉(zhuǎn)為穩(wěn)定． 參與者的情感會(huì)受到組內(nèi)情感的影響, 當(dāng)組內(nèi)情感能量積極時(shí), 參與者的情感也偏向正面． 利用這一儀式結(jié)果, 可以疏導(dǎo)隱私泄露引發(fā)負(fù)面影響的輿情, 避免輿情態(tài)勢(shì)惡化．

根據(jù)對(duì)各類小組內(nèi)隱私泄露問(wèn)題的情感傾向進(jìn)行分析, 發(fā)現(xiàn)校園類小組和職場(chǎng)類小組的情感傾向較為負(fù)面, 涉及外賣泄露地址和理財(cái)產(chǎn)品信息不安全等討論時(shí)會(huì)呈現(xiàn)負(fù)面情感． 研究結(jié)果表明, 這些小組中的隱私泄露問(wèn)題多為被動(dòng)、無(wú)法避免的情況, 需要用戶自己承擔(dān)后果, 因此組內(nèi)的情感低落． 由于互動(dòng)儀式中的回音室效應(yīng), 信息在封閉的空間內(nèi)不斷重復(fù), 導(dǎo)致情感的積累和群體極化現(xiàn)象． 通過(guò)情感聯(lián)結(jié)可以對(duì)輿情產(chǎn)生反作用, 將情感能量轉(zhuǎn)化為促進(jìn)正面輿情的樞紐, 減少負(fù)面反饋, 從而疏導(dǎo)消極情感．

當(dāng)嚴(yán)重的隱私泄露事件發(fā)生時(shí), 通常會(huì)引發(fā)大量負(fù)面輿情． 因此, 平臺(tái)監(jiān)管部門應(yīng)提升監(jiān)管能力, 建立情感詞語(yǔ)料庫(kù), 結(jié)合關(guān)鍵詞及時(shí)捕捉負(fù)面情感信息, 避免隱私泄露范圍的進(jìn)一步擴(kuò)大． 同時(shí), 結(jié)合各群體內(nèi)隱私泄露問(wèn)題產(chǎn)生的情感演化過(guò)程, 制定全面的預(yù)案以應(yīng)對(duì)波動(dòng)趨勢(shì)． 由于疫情防控等措施的推進(jìn), 用戶對(duì)于隱私泄露的容忍度有所改變, 合理的隱私披露在一定程度上可以被部分用戶接受, 情感也更偏向正面． 官方媒體在公布個(gè)人信息時(shí)需對(duì)其內(nèi)容用途進(jìn)行說(shuō)明公示, 并禁止隱私信息的轉(zhuǎn)發(fā)擴(kuò)散, 從而增加公眾的信任度． 此外, 公布隱私事件的處理結(jié)果, 打斷負(fù)面情緒的惡性循環(huán)．

4.3 利用行為結(jié)果完善隱私保護(hù)

相互關(guān)注的焦點(diǎn)及情感共享的狀態(tài)使得互動(dòng)儀式參與者之間形成較為緊密的社會(huì)關(guān)系和較強(qiáng)的信任度, 用戶對(duì)破壞群體團(tuán)結(jié)的行為產(chǎn)生憤怒情緒, 進(jìn)一步發(fā)表維護(hù)群體的言論或線下實(shí)踐． 當(dāng)用戶對(duì)討論的內(nèi)容產(chǎn)生認(rèn)同, 并且情感共鳴較高時(shí), 其所認(rèn)定的內(nèi)容對(duì)線下行為產(chǎn)生一定的影響． 利用這一特點(diǎn)提出相關(guān)建議, 促使隱私被更好的保護(hù), 在網(wǎng)絡(luò)發(fā)展與信息泄露之間達(dá)到平衡．

隱私泄露問(wèn)題中的行為結(jié)果包含兩方面, 一方面是對(duì)隱私保護(hù)措施的討論, 例如涂掉快遞信息、設(shè)置外賣虛擬電話號(hào)碼以及關(guān)閉不必要的軟件權(quán)限獲取等; 另一方面是對(duì)隱私泄露事件的擴(kuò)大行為, 轉(zhuǎn)發(fā)和點(diǎn)贊等行為, 這會(huì)增加隱私泄露的關(guān)注度, 同時(shí)部分譴責(zé)的討論也會(huì)進(jìn)一步傳播被泄露的信息． 同時(shí)警惕這種擴(kuò)大行為容易引發(fā)的次生輿情, 尤其是在社交媒體平臺(tái)上, 微信、抖音等平臺(tái)加速了信息泄露． 因此, 需建立隱私保護(hù)優(yōu)化模型, 并善用舉報(bào)和投訴機(jī)制來(lái)應(yīng)對(duì)這一問(wèn)題． 但生活中的隱私泄露問(wèn)題往往是無(wú)意識(shí)的, 為此, 各社交媒體平臺(tái)在用戶隱私政策中應(yīng)特別強(qiáng)調(diào)相關(guān)內(nèi)容, 以提醒用戶注意隱私保護(hù)．

信息化建設(shè)的不斷深化, 推出的線上辦公小程序等內(nèi)容, 在便利生活的同時(shí)都面臨著隱私問(wèn)題． 為了應(yīng)對(duì)隱私問(wèn)題, 政府部門應(yīng)建立多種信息的反饋渠道, 以便了解存在的隱私風(fēng)險(xiǎn), 根據(jù)已經(jīng)發(fā)生的隱私泄露事件, 完善管理體系, 并檢查信息安全漏洞． 同時(shí), 對(duì)隱私泄露的懲處措施予以公示, 強(qiáng)調(diào)其法律后果, 避免再次發(fā)生類似事件． 為了提高個(gè)人隱私保護(hù)意識(shí), 應(yīng)將線上的情感傳遞與線下的行為結(jié)果進(jìn)行結(jié)合, 遵循平臺(tái)隱私管理?xiàng)l例, 保持良好的社交環(huán)境． 相關(guān)企業(yè)完善信息安全保護(hù)機(jī)制, 采用加密算法并對(duì)其安全性定期評(píng)測(cè), 以完善隱私保護(hù)體系．

5 結(jié)語(yǔ)

本文圍繞隱私泄露這一話題, 從互動(dòng)儀式鏈視角出發(fā), 分析了豆瓣各類小組的互動(dòng)機(jī)制． 結(jié)合BERTopic主題挖掘及情感傾向性分析方法, 對(duì)這類事件中的焦點(diǎn)問(wèn)題及產(chǎn)生的情感進(jìn)行了分析． 研究結(jié)果顯示, 不同群體由于職業(yè)、性別和興趣的不同, 在隱私泄露問(wèn)題上持有不同的觀點(diǎn)． 科技類小組更關(guān)注技術(shù)問(wèn)題及數(shù)據(jù)安全性, 職場(chǎng)類小組更關(guān)注發(fā)生隱私泄露問(wèn)題的法律后果和公司合法性, 生活類小組中表現(xiàn)出女性較男性更為注重隱私保護(hù)這一特點(diǎn)． 處于互動(dòng)儀式鏈中的成員在共同關(guān)注的焦點(diǎn)下有著共享的情感狀態(tài), 其組內(nèi)討論影響著個(gè)人的情感能量． 具有職業(yè)屬性的校園類和職場(chǎng)類小組情感較為負(fù)面, 而娛樂(lè)類和生活類小組整體情感較積極, 對(duì)隱私泄露容忍度較高． 對(duì)于隱私泄露問(wèn)題, 可以通過(guò)引導(dǎo)互動(dòng)儀式鏈產(chǎn)生的群體團(tuán)結(jié)、情感聯(lián)接和相應(yīng)行為結(jié)果, 提高公眾的隱私素養(yǎng), 并完善隱私保護(hù)體系．

本研究還存在一定的局限性． 首先, 以豆瓣小組為研究平臺(tái), 缺少多平臺(tái)案例的對(duì)比分析． 其次, 在主題挖掘階段未對(duì)討論中的圖片及表情包做處理, 情感分析階段對(duì)于多模態(tài)的內(nèi)容未進(jìn)行更進(jìn)一步的研究． 在后續(xù)研究中考慮融合影響較大的隱私泄露事件, 多維度對(duì)該類事件的演化規(guī)律進(jìn)行討論, 借助深度學(xué)習(xí)等多模態(tài)的分析方法, 更準(zhǔn)確地挖掘公眾對(duì)隱私泄露現(xiàn)象的看法, 并逐步關(guān)注不同類別事件隱私泄露的演化過(guò)程, 以進(jìn)一步加強(qiáng)隱私保護(hù)措施．