發(fā)布時間：2017-04-26 12:05

  本文關鍵詞：電商個性化推薦采納中用戶隱私風險感知的影響因素分析，，由筆耕文化傳播整理發(fā)布。

【摘要】：近些年來,個性化推薦在電子商務領域取得了較大進展,研究已經(jīng)比較深入,但與其相伴相生的是,用戶隱私問題越來越嚴重。目前,個性化推薦中的隱私問題研究,主要集中在隱私保護技術層面,或基于隱私保護角度進行個性化推薦系統(tǒng)設計,從而導致個性化推薦中的隱私研究顯得過于單一化。而用戶對隱私信息的認知水平也隨著互聯(lián)網(wǎng)的深入發(fā)展而提高。電子商務網(wǎng)站在給用戶進行個性化信息服務時,用戶不僅關注信息或服務是否滿足自身需求,而對推薦方式的關注度也越來越高。用戶在個性化推薦采納過程中,會對個性化推薦方式進行威脅評估——該方式是否泄漏了自己的隱私、是否騷擾了自己的正常生活、是否會給自己帶來更大的風險等。因此,研究電子商務個性化推薦采納過程中哪些因素影響了用戶隱私風險感知顯得極其必要。本研究跳出一貫的技術-系統(tǒng)角度,從用戶認知-接受維度分析了在個性化推薦采納過程中,用戶隱私風險感知的影響因素。首先對個性化推薦中的隱私問題、隱私風險感知的研究現(xiàn)狀作了梳理和總結。其次,在較全面介紹技術威脅規(guī)避理論(TTAT)和社會交換理論的基礎上,吸收了兩大理論的合理內核,把感知敏感性、感知嚴重性、感知威脅與感知收益四個變量引入本研中,并結合隱私關注構建了電子商務個性化推薦采納中用戶隱私風險感知的影響因素理論模型,提出了9個假設。然后,在前面的基礎上,選取測度項并設計了初始調查問卷,經(jīng)過前測形成最終問卷進行數(shù)據(jù)收集。最后,運用SPSS19.0對樣本數(shù)據(jù)進行了描述性統(tǒng)計分析、信度與效度分析；接著運用結構方程模型對理論模型和假設進行了驗證,通過理論模型與樣本數(shù)據(jù)的擬合度檢驗、采用極大似然估計法對模型參數(shù)估計,輸出了結構方程模型路徑圖。通過結構方程驗證發(fā)現(xiàn)：(1)感知敏感性對感知嚴重性存在正向影響作用；(2)感知敏感性與感知威脅之間沒有相關關系；(3)隱私關注對感知敏感性、感知嚴重性存在正向影響作用；(4)感知威脅、隱私關注對用戶隱私風險感知存在正向影響作用；(5)感知收益對隱私關注存在負向影響作用；(6)感知收益與用戶隱私風險感知之間沒有相關關系。最后根據(jù)上述結論,提出了在電子商務個性化推薦采納過程中降低用戶隱私風險感知程度的策略與建議。
【關鍵詞】：個性化推薦采納 隱私風險感知 影響因素 TTAT 結構方程
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F724.6;G358
【目錄】：

• 摘要6-7
• Abstract7-12
• 1 緒論12-18
• 1.1 研究背景12-13
• 1.2 研究目標與研究意義13-14
• 1.2.1 研究目標13
• 1.2.2 研究意義13-14
• 1.3 研究內容與研究技術路線14-16
• 1.3.1 研究內容14-15
• 1.3.2 技術路線圖15-16
• 1.4 研究方法與創(chuàng)新之處16-18
• 1.4.1 研究方法16
• 1.4.2 創(chuàng)新之處16-18
• 2 文獻綜述18-24
• 2.1 相關概念概述18-21
• 2.1.1 個性化推薦的含義18-19
• 2.1.2 個性化推薦采納19
• 2.1.3 隱私風險感知的含義19-21
• 2.2 個性化推薦中的用戶隱私問題21-23
• 2.3 隱私風險感知與隱私關注23-24
• 3 電商個性化推薦采納中用戶隱私風險感知影響因素的模型構建24-38
• 3.1 技術威脅規(guī)避理論24-31
• 3.1.1 技術威脅規(guī)避理論的提出及含義24-25
• 3.1.2 技術威脅規(guī)避理論通用模型與變量25-28
• 3.1.3 技術威脅規(guī)避理論的研究進展28-31
• 3.2 社會交換理論31-33
• 3.2.1 社會交換理論的含義31-33
• 3.2.2 基于社會交換理論的感知收益33
• 3.3 電商個性化推薦采納中用戶隱私風險感知的影響因素模型構建33-38
• 3.3.1 研究模型33-34
• 3.3.2 研究變量及假設34-38
• 4 電商個性化推薦采納中用戶隱私風險感知影響因素的數(shù)據(jù)收集38-46
• 4.1 數(shù)據(jù)收集方法概述38-39
• 4.2 調查問卷設計39-42
• 4.2.1 測度項及其來源39-41
• 4.2.2 調查問卷設計與樣本確定41-42
• 4.3 調查問卷前測與發(fā)放42-46
• 4.3.1 調查問卷前測與修改42-45
• 4.3.2 調查問卷發(fā)放與回收45-46
• 5 電商個性化推薦采納中用戶隱私風險感知影響因素的數(shù)據(jù)分析46-66
• 5.1 描述性統(tǒng)計分析46-50
• 5.1.1 人口統(tǒng)計描述性分析46-47
• 5.1.2 用戶網(wǎng)購情況描述統(tǒng)計分析47-49
• 5.1.3 正態(tài)性檢驗49-50
• 5.2 信度與效度分析50-55
• 5.2.1 信度分析51-52
• 5.2.2 效度分析52-55
• 5.3 結構方程模型與假設檢驗55-61
• 5.3.1 測量模型檢驗56-57
• 5.3.2 模型參數(shù)估計57-60
• 5.3.3 結構方程模型路徑分析60-61
• 5.4 研究結果與解釋說明61-66
• 5.4.1 研究結果61-62
• 5.4.2 結果闡釋說明62-66
• 6 研究總結與展望66-70
• 6.1 研究總結66-67
• 6.1.1 本研究的理論價值66-67
• 6.1.2 本研究的應用價值67
• 6.2 電子商務個性化推薦服務的建議67-68
• 6.3 研究不足及展望68-70
• 參考文獻70-77
• 附錄77-80
• 攻讀碩士學位期間科研情況80-81
• 致謝81-82

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 陳婷;韓偉力;楊珉;;基于隱私保護的個性化推薦系統(tǒng)[J];計算機工程;2009年08期

2 尹凱華;熊璋;吳晶;;個性化服務中隱私保護技術綜述[J];計算機應用研究;2008年07期

3 陳飛昕;王字慧;;淺議市場調研問卷的信度和效度[J];長江大學學報(社會科學版);2008年03期

4 張秀偉;何克清;王健;劉建曉;;Web服務個性化推薦研究綜述[J];計算機工程與科學;2013年09期

5 蔣小花;沈卓之;張楠楠;廖洪秀;徐海燕;;問卷的信度和效度分析[J];現(xiàn)代預防醫(yī)學;2010年03期

6 侯杰泰,成子娟,馬殊赫伯特;驗證性因素分析:問卷題數(shù)及小樣本應用策略[J];心理學報;1999年01期

7 于海平;林曉麗;劉會超;;基于數(shù)據(jù)挖掘的移動廣告?zhèn)�性化推薦研究[J];計算機技術與發(fā)展;2014年08期

  本文關鍵詞：電商個性化推薦采納中用戶隱私風險感知的影響因素分析，由筆耕文化傳播整理發(fā)布。

本文編號：328396