MOA視角下在線視頻社區用戶自我披露行為研究

朱夢蝶 付少雄 程為 陳曉宇

摘? ?要：探究在線視頻社區用戶自我披露行為的影響因素，有助于在線視頻社區改善對用戶個人信息披露的管理，提高用戶活躍度和粘性。文章以MOA為理論基礎，以bilibili為研究情境，通過二手客觀數據抓取1，453，652名有效用戶數據，從動機（M）、機會（O）、能力（A）三個維度探究在線視頻社區用戶自我披露行為的影響因素。研究發現：經濟獎勵、社會支持以及用戶地位均對用戶自我披露行為具有顯著的正向影響，而同儕認可對于用戶自我披露行為具有顯著的負向影響。在科技區、運動區和知識區等獨立分區下，同儕認可對于用戶自我披露行為具有顯著的正向影響。研究可為在線視頻社區的隱私政策制定以及精準推送提供借鑒。

關鍵詞：在線視頻社區；自我披露行為；bilibili；MOA；影響因素

中圖分類號：C913.4? ?文獻標識碼：Ａ? ?DOI：10.11968/tsyqb.1003-6938.2023067

Research on the Influencing Factors of Users' Self-Disclosure Behavior in Online Video Communities from the Perspective of MOA Theory——Taking Bilibili as an Example

Abstract Exploring the influencing factors of users self-disclosure behavior in online video communities can help improve the management of user personal information disclosure， and improve user activity and stickiness. Using MOA theory as the theoretical foundation and bilibili as the research context， this study explores the influencing factors of online video community users self-disclosure behavior from three dimensions： motivation （M）， opportunity （O）， and ability （A） through second-hand objective data capture including 1，453，652 effective users. This study has found that financial rewards， social support， and user status-standing all have a significant positive impact on users self-disclosure behavior. In contrast， peer recognition has a significant negative impact on users' self-disclosure behavior. In independent zones such as technology zones， sports zones， and knowledge zones， peer recognition has a significant positive impact on users self-disclosure behavior. Research can provide suggestions for privacy policy formulation and precise push of online video community platforms.

Key words online video community; self-disclosure behavior; bilibili; MOA; influencing factors

中國互聯網絡信息中心發布的第52次《中國互聯網絡發展狀況統計報告》顯示，截止2023年6月，國內網絡視頻（含短視頻）用戶規模達10.44億，較2022年12月增長1380萬，占網民整體的96.8%［1］。bilibili（www.bilibili.com）作為國內最大的在線視頻社區之一，早期以ACG（動畫、漫畫、游戲）視頻為主，憑借內容垂直、社區氛圍好等優勢吸引了大量的用戶，尤其是年輕一代的用戶。而后以用戶興趣為導向進行內容拓展，平臺內容逐步由ACG向泛生活轉變，根據bilibili平臺財報顯示，截至2023年第二季度，bilibili月均活躍用戶數為3.24億，同比增長近6%；日均活躍用戶為9650萬，同比增長15%。B站正式會員數達2.14億，同比增長26%。用戶日均使用時長為94分鐘，帶動總使用時長同比增長22%［2］。以bilibili為代表的在線視頻社區已經成為互聯網用戶日常生活中不可或缺的部分。

在線視頻社區的成功很大程度上取決于用戶在社區中披露的個人信息數量，用戶披露的個人信息越多，代表用戶對該社區信任程度越高［3］。同時，用戶在社區中進行自我披露也會反過來為其帶來個人利益和社會利益。如通過自我披露，用戶可以向社區中的其他成員展示自己的個人信息和興趣愛好，從而建立和加強與他人間的親密關系，提高社區的凝聚力和穩定性［4］。但是，用戶在互聯網中披露的個人信息通?？梢员蛔粉櫤痛鎯?，這使得用戶在互聯網環境中的隱私處于相當脆弱的地位，用戶對個人信息泄露的擔憂不斷增加，進而導致用戶自我披露程度其實并不是很高［5］?？紤]到自我披露的重要性與用戶自我披露程度不高之間的矛盾性，探索用戶自我披露行為的影響因素既迫切又必要。

本文中用戶自我披露行為（Self-disclosure behavior）指的是在線視頻社區用戶向他人透露未知的、無法從其他來源獲得的個人信息的行為，透露的范圍可以從基本的個人信息（如年齡、性別等）到高度私人的信息（如興趣愛好等）［6］。當前在線社區用戶自我披露行為相關研究多關注Facebook［7-8］、博客網站［9］、微信［10-13］、微博［14-15］等社交媒體平臺中用戶個人資料的披露程度，較少關注bilibili這類在線視頻社區用戶的自我披露行為?，F有研究以問卷調查法［16-19］為主，較少采用二手客觀數據探究在線視頻社區用戶自我披露行為的影響因素。此外，現有研究尚未基于MOA理論對在線視頻社區用戶自我披露行為的影響因素進行探究。

基于上述研究局限性，以bilibili在線視頻社區為研究情境，基于MOA（Motivation-Opportunity-Ability）理論，從動機（M）、機會（O）、能力（A）三個維度探究在線視頻社區用戶自我披露行為的影響因素。研究對bilibili中科技區、運動區以及知識區中共1，453，652名用戶數據進行抓取，并對其進行回歸分析和后測檢驗。研究結果不僅可以豐富在線視頻社區用戶自我披露行為相關研究，擴展了MOA理論應用范圍，也可以為在線視頻社區平臺運營和隱私制度制定提供科學的建議和指導，有助于在線視頻社區鼓勵用戶披露個人信息進而實現精準推送，提高用戶粘性和活躍度。

1? ?文獻綜述

1.1? ? 在線社區運用MOA理論的實證研究

MOA理論即動機（Motivation）-機會（Opportunity）-能力（Ability）理論，最初由MacInnis和Jaworski在1989年提出，用于解釋廣告行業的消費者信息處理行為［20］。其中，動機（M）指的是驅動用戶執行某項行為的因素，機會（O）指的是對用戶執行某項行為產生影響的環境因素，能力（A）指的是用戶執行某項行為的技能因素。

MOA理論已被國內外學者廣泛應用于在線社區中（見表1）。當前MOA理論被較多地應用于圖書情報學［21-25］、經濟管理學［26-28］、營銷學［29-30］等學科；研究情境涵蓋微信等社交媒體［21，28-29］、喜馬拉雅FM等知識類平臺［23］、在線健康社區［25］、購物APP等社交商務平臺［26］以及知乎等社會化問答社區［27］等；研究對象包括以上各類社區中的普通用戶［21-24］以及患者［25］、消費者［26］、企業員工［28］、銷售人員［29］等，用于解釋信息分享意愿/行為［21，26］、知識交流共享行為［22］、知識付費行為［23］、使用行為［24，29］、選擇行為［25］、知識貢獻行為［27］、知識創造行為［28］、購買意愿［30］等各類在線社區用戶信息行為；研究方法主要包括情境實驗［21］、問卷調查［22-24］、二手數據分析［25］以及扎根理論［27］等。

在在線視頻社區的研究情境中，用戶的自我披露行為在一定程度上會受到外部動機和內部動機的驅動，在此驅動過程中，機會因素和能力因素也會對“動機-行為”路徑產生影響。因此，MOA理論模型可以從動機、機會和能力3個維度綜合刻畫在線視頻社區情境下用戶自我披露的主要影響因素，能夠適用于在線視頻社區用戶自我披露行為的研究。但是現有研究較少基于MOA理論，面向在線視頻社區用戶進行自我披露行為研究。同時，大部分研究是采用問卷調查的方式，鮮有研究基于社區中用戶的客觀數據展開分析。相對于傳統的問卷調查法，使用二手客觀數據不容易受到回答者主觀偏見的影響，并且可以更快速、低成本地獲得較大的數據量，尤其是在傳統問卷難以捕捉的用戶行為方面具有較大的優勢。鑒于此，本文基于bilibili平臺抓取用戶的客觀數據，并利用MOA理論分析在線視頻社區中用戶自我披露行為的影響因素。

1.2? ? 在線社區用戶自我披露行為研究

國內外學者針對在線社區用戶自我披露行為動因開展了系列研究（見表2）。對于研究情境，涵蓋Facebook［7-8］、博客網站［9］、微信［10-13］、微博［14-15］等國內外社交媒體平臺；研究方法以問卷調查為主［16-19］，也有學者基于二手數據展開研究［14-15］；研究的理論基礎涉及隱私計算理論［11，13］、社會認知理論［10］、使用與滿足理論［16］、理性行為理論［17］等?，F有在線社區用戶自我披露行為動因研究，多關注社交媒體平臺中用戶個人資料的披露程度，較少關注bilibili這類在線視頻社區用戶的自我披露行為。但是，對于這類社區，用戶的自我披露行為也具有重要的研究意義。一方面，用戶對于個人信息的披露可以展現出用戶對于該社區的信任和歸屬感，有助于用戶戰略性地構建和維護個人身份；另一方面，用戶披露自己的個人興趣標簽，可以體現出用戶的交友意愿，也有助于社區精準推送信息。

2? ?研究假設及模型

本文基于MOA理論，結合在線視頻社區屬性，探究動機（M）、機會（O）、能力（A）對于在線視頻社區用戶自我披露行為的影響作用，構建研究模型（見圖1）。將動機（經濟獎勵、同儕認可）、機會（社會支持）、能力（用戶地位）基于在線視頻社區情境化，分別探究其對用戶自我披露行為的影響；考慮到關注數、大會員等級、官方認證類型、銘牌等級、投稿數等因素對用戶自我披露行為的潛在影響，將上述變量納入為控制變量。

2.1? ?動機（M）維度因素

動機（M）通常被認為是引導用戶實施特定行為、做出決定以及處理信息的驅動力，可以區分為外部動機和內部動機［31］。外部動機指的是用戶實施某個行為是受外在因素的驅動［32］。經濟獎勵（Financial rewards）指代社區中其他成員對用戶經濟上的獎勵。經濟獎勵是一種重要的外在效用，在設計恰當的情境下，經濟獎勵可以對用戶行為起到顯著的促進作用［33］。因此，本文將經濟獎勵視為外部動機，作為動機（M）維度的影響因素之一。Hann等研究發現經濟獎勵對于隱私關注具有顯著的負向影響［34］，而隱私關注會對用戶自我披露行為產生顯著的負向影響［35］。也就是說，適當地提供經濟獎勵會降低用戶對于個人隱私的關注度，進而提高用戶對于個人信息的披露意愿。bilibili通過“充電計劃”鼓勵觀眾對自己喜歡的用戶進行“充電”，用戶通過“充電計劃”獲得的收入可以提現，兌換成實際的經濟獎勵。對用戶進行經濟獎勵的觀眾越多，用戶的收益則越多，用戶對于隱私關注越少，進一步導致用戶自我披露的意愿越強［36］。因此，本文假設：

H1：經濟獎勵對于用戶自我披露行為具有顯著正向影響。

內部動機指用戶實施某個行為本身能夠滿足個體獲得注意力和提升自我價值的內在心理需求［37］。同儕認可（Peer recognition）表明該用戶已受到其他成員的積極反饋或某種形式的認可，反映了社區中其他成員的看法［38］。互惠理論［39］和歸屬需求理論［40］都表明，來自其他用戶的反饋將通過影響用戶的內在心理需求，進一步對用戶未來的參與行為產生影響。因此，本文將同儕認可視為內部動機，作為動機（M）維度的影響因素之一。陳小卉等認為用戶在虛擬社區中獲得的點贊量越多，表明用戶被認可度越高，將會鼓舞用戶的內容貢獻［41］。bilibili的用戶可以通過投稿視頻進行內容貢獻，如果貢獻的作品獲得其他用戶的認可，通常會收到其他成員的積極反饋（如“贊”）［42-43］。根據社會交換理論，當用戶在社區中交換信息和注意力時，用戶希望收到其他成員的反饋，尤其是積極反饋，這會提高用戶對于該社區的滿意度。而滿意度是人們進行自我披露行為的關鍵驅動力，即用戶對社區滿意度越高，用戶實施自我披露行為的可能性越大。因此，本文假設：

H2：同儕認可對于用戶自我披露行為具有顯著正向影響。

2.2? ? 機會（O）維度因素

機會（O）通常被認為是用戶實施特定行為的環境因素，機會既可以是抑制個體行為的不利因素，也可以是推動個體行為的有利因素［44］。在在線視頻社區的情境下，社會支持（Social support）指的是個體感到在社區中被關注、被支持、被激勵的情緒體驗和滿意程度［45］。社區中處在支持的個體感覺到被群體關注和支持，能夠建立和表現出與其他個體之間的有機聯系［46］，發展社交關系［47］。用戶間的社會支持可以營造良好的社區互動氛圍，推動用戶實施參與行為［48］、分享意愿［49］以及自我披露意愿等［50］。因此，本文通過社會支持這一指標對機會（O）進行衡量。張星等研究發現情感支持對用戶的信息披露態度具有正向影響［51］。在bilibili的研究情境下，當用戶被關注時往往會感受到來自其他用戶的支持和喜愛，社區中社會支持氛圍越好，用戶對該社區信任度越高，更容易有社區歸屬感，更有可能在該社區披露個人信息和興趣愛好，進而和社區中的其他用戶進行更深入地在線交流和互動。因此，本文假設：

H3：社會支持對于用戶自我披露行為具有顯著正向影響。

2.3? ? 能力（A）維度因素

能力（A）通常被認為是個體行為決策的潛力和信心，包括個體所具備的水平條件和物資能力等［52］。用戶地位（Status-standing）指代個人在群體中基于聲望、榮譽和尊重的相對地位，能夠彰顯用戶在社區中的相對能力。因此，本文通過用戶地位這一指標對能力（A）進行衡量。集體行動地位理論（Status theory of collective action，STOCA）指出“個體因過去的貢獻而獲得的地位越高，其集體動機就會增加，個體就會越傾向于積極看待集體”［53］。在bilibili中地位可以通過用戶的等級來衡量。用戶等級越高，用戶所獲得的權益就越多。bilibili用戶等級是用戶在網站活躍度的展現，只有獲得足夠經驗值后才能提升用戶等級。用戶等級的晉升是基于內容貢獻（用戶投稿的作品若獲得1硬幣，則增加1經驗值）和用戶參與（登錄、觀看/投幣/分享視頻）等方式。等級高的個體收獲到越多的權益，通常具有更強的集體意識，對于社區的歸屬感越強，越有可能進行自我披露。因此，本文假設：

H4：用戶地位對于用戶自我披露行為具有顯著正向影響。

3? ?研究方法

3.1? ? 數據采集

本文數據采集于國內極具代表性的綜合性在線視頻社區，即bilibili網站。其視頻內容涵蓋生活、游戲、時尚、知識、音樂等數千個品類和圈層，引領著流行文化的風潮，受到了中國Z世代的歡迎。值得注意的是，bilibili中94%的視頻播放量都來自于專業用戶創作的視頻（Professional User Generated Video，PUGV），這使其成為中文互聯網中極其獨特的存在［54］。選取bilibili中科技區、運動區、知識區的用戶作為數據來源，探討用戶的自我披露行為，并自行編寫Python代碼，爬取曾在以上分區中發布過視頻作品的用戶，爬取時間為2022年1月29日至2022年2月15日，最終獲取到1，453，652名有效用戶數據。采集的用戶數據涵蓋用戶主頁上的用戶昵稱、性別、用戶等級、大會員等級、粉絲勛章級別、個性簽名、投稿數、關注數、粉絲數、獲贊數、播放數、閱讀數、官方認證、充電總人數、主頁公告、直播間、用戶UID、生日、學校、職業、主頁標簽等屬性。

3.2? ? 變量測量

對因變量、自變量與控制變量測量闡釋（見表3）后逐一分析。

（1）因變量測量。本文因變量指代用戶自我披露行為。在bilibili的研究情境中，用戶可以根據個人意愿選擇是否披露學校、職業、性別、生日等個人基本信息以及粉絲勛章、主頁公告、主頁標簽、個性簽名等彰顯個人興趣愛好的拓展信息。為此，本文將用戶自我披露行為情境化為用戶披露以上各項信息的數量。如果用戶披露了以上某項信息，則用戶該項計分為1。本文采用以上8項計分的總和來表示用戶自我披露的分數，若用戶未呈現以上所有信息和功能，則該用戶得分為0；若用戶呈現以上所有信息和功能，則該用戶得分為8。

（2）自變量測量。本文自變量指代經濟獎勵、同儕認可、社會支持、用戶地位。其中經濟獎勵情境化為用戶充電總人數，取值為實際數值。同儕認可情境化為用戶獲贊數，取值為實際數值。社會支持情境化為粉絲數，取值為實際數值。用戶地位情境化為用戶等級，取值為實際數值。

（3）控制變量測量。本文將關注數、大會員等級、官方認證類型、銘牌等級、投稿數作為控制變量。關注數指的是用戶關注其他UP主的總數；大會員等級指代用戶開通的大會員的等級，包括未開通大會員、大會員、年度大會員、十年大會員、百年大會員五個等級，分別取值0-4；官方認證類型指代用戶申請并獲得官方認證的類型，包括無官方認證、bilibili知名UP主、社會身份及職業、企業官方賬號、政府官方賬號、傳統媒體及新媒體官方賬號、校園-公益組織-社會團體等官方賬號、優質專欄UP主、社會知名人士，分別取值0，1，2，3，4，5，6，7，8；銘牌等級指代用戶完成社區任務獲得的銘牌成就等級，取值為實際數值；投稿數指代用戶在社區中投稿作品的數量，取值為實際數值。

由于充電總人數、獲贊數、粉絲數、關注數、投稿數部分數據數值過大且數據整體偏態嚴重，因此，將對以上變量進行對數變換處理。

4? ?結果分析

4.1? ? 描述性統計

在對數變換處理的基礎上，除去分類變量（Categorical Variables），即官方認證類型，對本文中涉及到的各變量描述性統計（見表4），包含最大值、最小值、平均值、標準差以及偏度。

本文對變量進行了相關性分析，部分變量間的相關性高于0.600。共線性診斷結果顯示所有變量的方差膨脹系數（Variance Inflation Factors，VIF）都遠小于10，因此，本文不存在多重共線性問題［56］。

4.2? ? 回歸分析

在相關性分析的基礎上，進行線性回歸（Linear Regression）分析（見表5）可知，經濟獎勵對于用戶自我披露行為具有顯著的正向影響（β=0.030，p<0.001），因此，H1成立；同儕認可對于用戶自我披露行為具有顯著的負向影響（β=-0.040，p<0.001），因此，H2不成立；社會支持對于用戶自我披露行為具有顯著的正向影響（β=0.212，p<0.001），因此，H3成立；用戶地位對于用戶自我披露行為具有顯著的正向影響（β=0.099，p<0.001），因此，H4成立。

對于控制變量，關注數（β=0.046，p<0.001）、大會員等級（β=0.015，p<0.001）、銘牌等級（β=0.068，p<0.001）、投稿數（β=0.087，p<0.001）顯著正向影響用戶的自我披露行為，官方認證類型（β=-0.003，p<0.001）顯著負向影響用戶的自我披露行為。

4.3? ? 后測檢驗

考慮到不同分區的用戶可能在自我披露意愿上存在差異，本文進行了后測檢驗，分別對科技區、運動區和知識區的用戶展開分析（見表6-8）?？萍紖^回歸分析結果表明，經濟獎勵對于用戶自我披露行為具有顯著的正向影響（β=0.054，p<0.001），因此，H1成立；同儕認可對于用戶自我披露行為具有顯著的正向影響（β=0.080，p<0.001），因此，H2成立；社會支持對于用戶自我披露行為具有顯著的正向影響（β=0.083，p<0.001），因此，H3成立；用戶地位對于用戶自我披露行為具有顯著的正向影響（β=0.198，p<0.001），因此，H4成立。對于控制變量，關注數（β=0.107，p<0.001）、大會員等級（β=0.073，p<0.001）、銘牌等級（β=0.124，p<0.001）、投稿數（β=0.106，p<0.001）顯著正向影響用戶的自我披露行為，官方認證類型（β=-0.008，p<0.001）顯著負向影響用戶的自我披露行為。

運動區回歸分析結果表明，經濟獎勵對于用戶自我披露行為具有顯著的正向影響（β=0.045，p<0.001），因此，H1成立；同儕認可對于用戶自我披露行為具有顯著的正向影響（β=0.075，p<0.001），因此，H2成立；社會支持對于用戶自我披露行為具有顯著的正向影響（β=0.119，p<0.001），因此，H3成立；用戶地位對于用戶自我披露行為具有顯著的正向影響（β=0.160，p<0.001），因此，H4成立。對于控制變量，關注數（β=0.091，p<0.001）、大會員等級（β=0.077，p<0.001）、銘牌等級（β=0.123，p<0.001）、投稿數（β=0.062，p<0.001）顯著正向影響用戶的自我披露行為，官方認證類型（β=-0.015，p<0.001）顯著負向影響用戶的自我披露行為。

知識區回歸分析結果表明，經濟獎勵對于用戶自我披露行為具有顯著的正向影響（β=0.062，p<0.001），因此，H1成立；同儕認可對于用戶自我披露行為具有顯著的正向影響（β=0.121，p<0.001），因此，H2成立；社會支持對于用戶自我披露行為具有顯著的正向影響（β=0.040，p<0.001），因此，H3成立；用戶地位對于用戶自我披露行為具有顯著的正向影響（β=0.171，p<0.001），因此，H4成立。對于控制變量，關注數（β=0.094，p<0.001）、大會員等級（β=0.073，p<0.001）、銘牌等級（β=0.122，p<0.001）、投稿數（β=0.121，p<0.001）顯著正向影響用戶的自我披露行為，官方認證類型（β=-0.001，p<0.001）顯著負向影響用戶的自我披露行為。

5? ?討論

本文以bilibili在線視頻社區為例，基于MOA理論探索了用戶自我披露行為的影響因素，主要研究結論如下：

（1）動機（M）維度因素。外部動機（經濟獎勵）對于用戶自我披露行為具有顯著的正向影響。與先前研究一致［34-36］，在bilibili的研究情境下，當用戶收到來自其他用戶的“充電”時（即用戶受到經濟獎勵時），用戶的感知收益就越高，相應的用戶對于個人隱私的關注度便會降低，這進一步導致用戶自我披露的意愿變強，更有可能在在線視頻社區中披露自己的個人信息。與先前研究不同的是［41-43］，本文發現內部動機（同儕認可）對于用戶自我披露行為具有顯著的負向影響?？赡艿脑蚴?，在bilibili的研究情境中，當用戶受到更多的同儕認可（即用戶收到更多的“贊”）時，用戶的視頻更有可能被官方平臺通過算法機制推薦到首頁，從而被更多用戶看到。這種情況下，用戶往往會產生更大的隱私焦慮，點贊越多，被官方推送的可能性越大，受到的曝光更大，那么，用戶對于個人信息會具有更強的保護意愿，也就不愿意在平臺中披露自己的個人信息。

（2）機會（O）維度因素。社會支持對于用戶自我披露行為具有顯著的正向影響。與先前研究一致［51］，在bilibili的研究情境下，用戶受到來自其他用戶的“關注”時，往往會感受到來自他人的支持和喜愛，用戶的粉絲數越多，感受到的社區互動氛圍會越好。當用戶在在線視頻社區中感受到較高的社會支持時，用戶更易對該社區產生較強的歸屬感和信任度。當在線視頻社區獲得用戶的信任時，用戶的隱私焦慮越低，更可能披露自己的個人信息和興趣愛好，從而達到和其他用戶進行良好交流與互動的目的。

（3）能力（A）維度因素。用戶地位對于用戶自我披露行為具有顯著的正向影響。與先前研究一致［53］，在bilibili的研究情境下，用戶等級越高，用戶在社區中獲得的權益就越多。當用戶收獲到更多的權益時，往往會對該在線視頻社區具有更積極的看法、更強的歸屬感和更強的集體動機。具體而言，用戶在bilibili中可以通過披露自己的個人信息和興趣愛好來為社區提供更友好的氛圍，進而對社區發展作出貢獻。

（4）分區差異。在科技區、運動區和知識區等獨立的分區下，同儕認可對于用戶自我披露行為具有顯著的正向影響，這一點與整體回歸分析結果相反?？赡艽嬖诘脑蚴牵赽ilibili的研究情境下，平臺方基于用戶興趣愛好設置了眾多不同的分區，用戶若在自己感興趣和熟悉的分區下獲得同儕認可，更容易獲得歸屬感和信任感，用戶更可能去通過自我披露獲得更多與同儕的在線交流機會。相反，用戶若在宏觀的社區中獲得同儕認可，用戶會感受到個人投稿的視頻被推薦到了其他“陌生”分區下，用戶隱私暴露的范圍更大，會產生較大的隱私焦慮，這會對用戶自我披露行為產生顯著的負向影響。

6? ?結語

本文以bilibili為研究對象，基于MOA理論對在線視頻社區用戶自我披露行為的動因進行分析。研究發現，經濟獎勵、社會支持以及用戶地位均對用戶自我披露行為具有顯著的正向影響，而同儕認可對于用戶自我披露行為具有顯著的負向影響。但是對科技區、運動區和知識區等獨立分區進行回歸分析發現，同儕認可對于用戶自我披露行為具有顯著的正向影響。基于上述研究結論，對在線視頻社區平臺方提出以下建議：

第一，適當給予用戶經濟獎勵。一方面可以根據用戶自我披露的程度給予階梯式的經濟獎勵；另一方面可以完善平臺激勵計劃，給予用戶更多經濟來源。通過提高平臺對用戶的經濟獎勵，可以相應地增強用戶自我披露的外部動機，激勵用戶的自我披露行為。第二，完善用戶隱私保護機制。一方面平臺方可以聯合相關政府部門制定針對性的隱私安全與保護的政策、法律法規；另一方面平臺方應加強技術保護，保證用戶個人信息安全。以上做法均需要加強向用戶宣傳，從而減少用戶隱私顧慮，加強用戶的自我披露意愿。第三，營造良好的社區氛圍。一方面可以鼓勵用戶互相關注，促進用戶間互動交流，打造支持型社區氛圍；另一方面可以加強監管，對惡意關注、不文明行為進行排查整治、在官方控制下塑造文明社區氛圍，為用戶實施自我披露行為提供良好的環境。第四，為等級高的用戶提供更多專屬權益，提高用戶的歸屬感和認同感，從而提高用戶自我披露的可能性。第五，優化平臺中的首頁推薦算法，平臺方應針對用戶興趣愛好，加強對于用戶感興趣的獨立分區下的推薦，打造社區中的“社區”，而不是無差別地推薦流量高的視頻，這樣反而會提高用戶隱私焦慮，阻礙用戶自我披露行為。

研究還存在以下局限性：第一，在二手客觀數據的基礎上采用回歸分析法分析數據，今后可以結合問卷調查和訪談等方法，進一步驗證用戶自我披露行為背后的原因和機理，同時可以采用扎根理論法，跳脫以往的理論研究，發掘新的影響因素。第二，以bilibili作為在線視頻社區的代表，抽取科技區、知識區和運動區的用戶數據，探索用戶自我披露的影響因素，未來研究一方面可以擴展分區數據，驗證bilibili平臺中其他分區的用戶是否符合該結論；另一方面可以擴展在線視頻社區的類型，如探索抖音、快手等時興的短視頻平臺用戶自我披露行為的影響因素，檢驗研究結論的普適性。第三，本文對于用戶自我披露行為的測量是通過計算用戶披露各項信息的數量之和的方式，今后可根據個人信息的隱私程度不同，賦予相應的權值后再進行計算。

參考文獻：

［1］? 中國互聯網絡信息中心.第52次《中國互聯網絡發展狀況統計報告》［EB/OL］.［2023-09-28］.https：//www.cnnic.cn/n4/20

23/0828/c199-10831.html.

［2］? Bilibili Inc.Announces Second Quarter 2023 Financial Results［EB/OL］.［2023-09-26］.https：//ir.bilibili.com/media/ck5oktqm/report-of-foreign-issuer-rules-13a-16-and-15d-16.pdf.

［3］? Chen X，Pan Y，Guo B.The influence of personality traits and social networks on the selfdisclosure behavior of social network site users［J］.Internet Research，2016，26（3）：566-586.

［4］? Hollenbaugh E E.Personal journal bloggers：profiles of disclosiveness［J］.Computers in Human Behavior，2010，26：1657-1666.

［5］? Kim Y.Predicting Information Self-Disclosure on Facebook：The Interplay Between Concern for Privacy and Need for Uniqueness［J］.The Korea Contents Association，2019，15（4）：74-81.

［6］? Wheeless L R，Grotz J.Conceptualization and Measurement of Reported Self-Disclosure［J］.Human Communication Research，1976，2（4）：338-346.

［7］? Chen R，Sharma S K.Learning and self-disclosure behavior on social networking sites：the case of Facebook users［J］.European Journal of Information Systems，2015，24（1）：93-106.

［8］? Kim E，Lee J A，Sung Y，et al.Predicting selfie-posting behavior on social networking sites：An extension of theory of planned behavior［J］.Computers in Human Behavior，2016，62：116-123.

［9］? Ko H C.The determinants of continuous use of social networking sites：An empirical study on Taiwanese journal-type bloggerscontinuous self-disclosure behavior［J］.Electronic Commerce Research and Applications，2013，12（2）：103-111.

［10］? Ma L，Ding X，Zhang X，et al.Mobile Users' Self-Disclosure Behaviour on WeChat：Application of Social Cognitive Theory［J］.Mobile Information Systems，2020，2020：1-13.

［11］? 李琪，王璐瑤，喬志林.隱私計算與社會資本對移動社交用戶自我披露意愿的影響研究——基于微信與微博的比較分析［J］.情報雜志，2018，37（5）：169-175.

［12］? 王樂，王璐瑤，孫早.隱私侵犯經歷對網絡用戶自我披露的影響機制［J］.系統工程理論與實踐，2020，40（1）：79-92.

［13］? 黃程松，王雪.近10年國外SNS用戶自我披露行為研究述評［J］.信息資源管理學報，2019，9（2）：85-93.

［14］? 張凱亮，臧國全，路杭霖，等.社交網絡用戶自我披露水平與其人格特質之間的關聯研究［J］.現代情報，2022，42（6）：49-56.

［15］? 臧國全，孔小換，張凱亮，等.社交網絡用戶自我披露意愿研究——以新浪微博為例［J］.圖書情報工作，2021，65（16）：90-97.

［16］? Mouakket S.Information self-disclosure on mobile instant messaging applications：Uses and gratifications perspective［J］.Journal of Enterprise Information Management，2018，32（1）.98-117.

［17］? Mouakket S，Sun Y.Examining factors that influence information disclosure on social network sites from the perspective of network externalities［J］.Industrial management & data systems，2019，119（4）：774-791.

［18］? Zhang S，Kwok R C W，Lowry P B，et al. Does more accessibility lead to more disclosure？Exploring the influence of information accessibility on self-disclosure in online social networks［J］.Information Technology & People，2019，32（3）：754-780.

［19］? 鄧勝利，楊璐伊，付少雄.基于自我差異理論的社交網絡用戶自我披露行為研究［J］.情報理論與實踐，2021，44（3）：122-130.

［20］? MacInnis D J，Jaworski B J.Information processing from advertisements：Toward an integrative framework［J］.Journal of Marketing，1989，53（4）：1-23.

［21］? 宋小康，趙宇翔，宋士杰，等.基于MOA理論的健康謠言分享意愿影響因素研究［J］.情報學報，2020，39（5）：511-520.

［22］? 賈明霞，熊回香.虛擬學術社區知識交流與知識共享探究——基于整合S-O-R模型與MOA理論［J］.圖書館學研究，2020（2）：43-54.

［23］? 楊昕雅，胡鑫.基于MOA視角的中國移動互聯網知識付費行為影響因素研究——以喜馬拉雅FM為例［J］.新世紀圖書館，2019（10）：29-36.

［24］? Ojo A O，Arasanmi C N，Raman M，et al.Ability， motivation，opportunity and sociodemographic determinants of Internet usage in Malaysia［J］.Information Development，2019，35（5）： 819-830.

［25］? Wang J J，Liu H，Cui X，et al.Impact of a physician's prosocial behavior on the patient's choice：an empirical investigation in online health community［J］.Information Technology & People，2023，36（4）：1703-1725.

［26］? 李輝，吳文樂，汪蓉.基于MOA理論的消費者在線分享行為研究——以購物APP為例［J］.哈爾濱商業大學學報（社會科學版），2022（1）：42-53.

［27］? 周樸雄，王萬吉.基于MOA分析的社會化問答平臺用戶知識貢獻行為影響因素研究［J］.技術經濟，2020，39（4）：17-21.

［28］? Yee R W Y，Miquel-Romero M J，Cruz-Ros S.Why and how to use enterprise social media platforms： The employees perspective［J］.Journal of business research，2021，137：517-526.

［29］? Guenzi P，Nijssen E J.Studying the antecedents and outcome of social media use by salespeople using a MOA framework［J］.Industrial Marketing Management，2020，90：346-359.

［30］? Xu X Y，Gao Y X，Jia Q D.The role of social commerce for enhancing consumersinvolvement in the cross-border product： Evidence from SEM and ANN based on MOA framework［J］.Journal of Retailing and Consumer Services，2023，71：103187.

［31］? Zhou J，Zuo M，Ye C.Understanding the factors influencing health professionals' online voluntary behaviors：Evidence from YiXinLi，a Chinese online health community for mental health［J］.International Journal Of Medical Informatics，2019，130：103939.

［32］? Ryan R M，Deci E L.Intrinsic and extrinsic motivations：Classic definitions and new directions［J］.Contemporary Educational Psychology，2000，25（1）：54.

［33］? Roberts J A，Hann I H，Slaughter S A.Understanding the motivations，participation，and performance of open source software developers：A longitudinal study of the apache projects［J］.Management Science，2006，52（7）：984-999.

［34］? Hann I H，Hui K L，Lee S Y T，et al.Overcoming online information privacy concerns：An information-processing theory approach［J］.Journal of Management Information Systems，2007，24（2）：13-42.

［35］? Wu K W，Huang S Y，Yen D C，et al.The effect of online privacy policy on consumer privacy concern and trust［J］.Computers in human behavior，2012，28（3）：889-897.

［36］? 張星，陳星，侯德林.在線健康信息披露意愿的影響因素研究：一個集成計劃行為理論與隱私計算的模型［J］.情報資料工作，2016，37（1）：48-53．

［37］? Ryan R M，Deci E L.Self-determination theory and the facilitation of intrinsic motivation，social development，and well-being［J］.American Psychologist，2000，55（1）：68.

［38］? Chen W，Wei X，Zhu K X.Engaging voluntary contributions in online communities：A hidden markov model［J］.MIS quarterly，2018，42（1）：83-100.

［39］? Gouldner A W.The norm of reciprocity：A preliminary statement［J］.American Sociological Review，1960，25（2）：161-178.

［40］? Baumeister R F，Leary M R.The need to belong：desire for interpersonal attachments as a fundamental human motivation.［J］.Psychological Bulletin，1995，117（3）：497-529.

［41］? 陳小卉，胡平，周奕岑.知乎問答社區回答者知識貢獻行為受同伴效應影響研究［J］.情報學報，2020，39（4）：450-458.

［42］? Jabr W，Mookerjee R，Yong T，et al.Leveraging philanthropic behavior for customer support：The case of user support forums［J］.Mis Quarterly，2014，38（1）：187-208.

［43］? Jin J，Li Y，Zhong X，et al.Why users contribute knowledge to online communities：An empirical study of an online social Q&A community［J］.Information & management，2015，52（7）：840-849.

［44］? Castaeda J A，Montoro F J.The effect of Internet general privacy concern on customer behavior［J］.Electronic Commerce Research，2007（7）：117-141.

［45］? Shumaker S A，Brownell A.Toward a theory of social support：closing conceptual gaps［J］.Journal of Social Issues，1984，40（4）：11-36.

［46］? Rosenbaum M S，Massiah C A.When customers receive support from other customers：Exploring the influence of intercustomer social support on customer voluntary performance［J］.Journal of Service Research，2007，9（3）：257-270.

［47］? Geck C.How to make money with social media：An insider's guide on using new and emerging media to grow your business［J］.Library Journal，2011，136（1）：107．

［48］? 潘濤濤，呂英杰.在線健康社區中基于SOR模型的用戶參與行為影響因素研究［J］.情報資料工作，2022，43（2）：76-83.

［49］? 魏華，高勁松，代芳.虛擬健康社區社會支持對用戶知識分享意愿的影響：一個有調節的鏈式中介模型［J］.情報科學，2021，39（12）：146-154，173.

［50］? 單思遠，易明.在線健康社區用戶自我信息披露意愿研究［J］.圖書情報工作，2022，66（21）：67-77.

［51］? 張星，陳星，侯德林.在線健康信息披露意愿的影響因素研究：一個集成計劃行為理論與隱私計算的模型［J］.情報資料工作，2016（1）：48-53.

［52］? 魏莉麗，高尚賓，吳一平，等.基于MOA理論的農民技術采納行為研究——以水稻化肥減施技術為例［J］.中國農業資源與區劃，2022，43（4）：58-66.

［53］? Willer R.A status theory of collective action［M］.Altruism and prosocial behavior in groups.Emerald Group Publishing Limited，2009：133-163.

［54］? 嗶哩嗶哩.關于我們［EB/OL］.［2023-09-09］.https：//www.bilibili.com/blackboard/aboutUs.html？spm_id_from=333.1007.0.0.

［55］? Dong L，Huang L，Hou J J，et al.Continuous content contribution in virtual community：The role of status-standing on motivational mechanisms［J］.Decision Support Systems，2020，132：113283.

［56］? Neter J，Kutner M H，Nachtsheim C J，et al.Applied linear statistical models［C］.Chicago：Irwin，1996.

作者簡介：朱夢蝶（1998-），女，南京大學信息管理學院博士研究生；付少雄（1993-），男，南京農業大學信息管理學院副教授；程為（1998-），男，南京農業大學信息管理學院博士研究生；陳曉宇（1991-），男，上海大學文化遺產與信息管理學院講師。