Синявская Я.Э. 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 Рос­сии¹, 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

Пере­мен­ные	Исход­ный дисбаланс		Мэт­чинг по мето­ду «бли­жай­ше­го сосе­да» (nearest neighborhood, NN) с при­ме­не­ни­ем рас­сто­я­ния Махаланобиса		Мэт­чинг по мето­ду поис­ка при­бли­жен­но-точ­ных соот­вет­ствий (Coarsened exact, CEM)
Воз­раст	-3,07**		-1.7		0,01
Пол	0,04		0,01		0,00
Исполь­зо­ва­ние соци­аль­ной сети для про­фес­си­о­наль­ных целей	0,06		0,006		0,00
Склон­ность уста­нав­ли­вать связи	0,21*		0,11		0,00
Циф­ро­вая грамотность	0,02		0,006		0,00
Само­оцен­ка	0,08		0,09		0,00
Дистан­ция	0,03		-		-0,002
N (В=группа воз­дей­ствия; К=контрольная группа)	В=215	К=160	В=160	К=160	В=150	К=122

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

Пере­мен­ные	Модель 1 без кон­троль­ных пере­мен­ных (несба­ланс. данные)			Модель 2 c кон­троль­ны­ми пере­мен­ны­ми (несба­ланс. данные)			Модель 3 мэт­чинг по мето­ду «бли­жай­ше­го сосе­да» (nearest neighborhood, NN) с при­ме­не­ни­ем рас­сто­я­ния Махаланобиса			Модель 4 мэт­чинг по мето­ду поис­ка при­бли­жен­но-точ­ных соот­вет­ствий  (Coarsened exact, CEM)
	Est	SE	OR	Est	SE	OR	Est	SE	OR	Est	SE	OR
Зна­че­ние сво­бод­но­го чле­на регрессии	0,4***	0,11	0,55	0,5***	0,12	1,61	0,5**	0,14	1,64	0,7***	0,17	1,98
Опыт утра­ты при­ват­но­сти (нет)	-0,11*	0,04	0,89	-0,11*	0,05	0,89	-0,1(.)	0,05	0,9	-0,11*	0,05	0,9
Воз­раст				0,00	0,02	1,00	0,001	0,05	1.00	0,001	0,05	1,00
Пол (муж.)				-0,0	0,05	0,93	-0,05	0,05	1,05	-0,12*	0,05	0,88
Исполь­зо­ва­ние соци­аль­ной сети для про­фес­си­о­наль­ных целей (нет)				0,04	0,05	1,05	-0,08	0,05	0,92	0,01	0,06	1,01
Склон­ность уста­нав­ли­вать соци­аль­ные связи				0,03	0,02	1,03	0,02	0,02	1,02	0,05	0,06	1,06
Циф­ро­вая гра­мот­ность (низ­кая)				-0,18**	0,07	0,82	-0.18*	0,07	0,83	-0,34**	0,11	0,7
Само­оцен­ка				0,01	0,01	1,01	0,001	0,02	1,01	0,15(.)	0,09	1,17
Раз­мер выборки	375			375				320			272
Псев­до-R2 Нагель­кер­ке (Nagelkerke pseudo-R2)	0.014			0,05				0,31			0.5
Псев­до-R2 Мак­Фад­де­на (McFadden pseudo-R2)	0.009			0.036				0.25			0.31
Псев­до-R2 Кок­са и Снел­ла (Cox and Snell pseudo-R2)	0.013			0.049				0.18			0.45
Резуль­та­ты теста Хосмера—Лемешева (Hosmer-Lemeshov test)	p=1			p=0,67				p=0,35			p=0,36
Инфор­ма­ци­он­ный кри­те­рий Ака­и­ке (AIC)	513			511				435			366

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

Пове­де­ние: прак­ти­ки регу­ли­ро­ва­ния приватности	Резуль­та­ты преды­ду­щих иссле­до­ва­ний	Резуль­та­ты теку­ще­го иссле­до­ва­ния
Состав дру­зей	Отри­ца­тель­ная вза­и­мо­связь [33]	Не обна­ру­же­но взаимосвязи
Инфор­ма­ция профиля	Отри­ца­тель­ная вза­и­мо­связь [33] Не обна­ру­же­но вза­и­мо­свя­зи [34]	Не обна­ру­же­но взаимосвязи
Пуб­лич­ные запи­си (ком­мен­ти­ро­ва­ние)	Не обна­ру­же­но вза­и­мо­свя­зи [34]	Не обна­ру­же­но взаимосвязи
Пуб­лич­ные запи­си (напи­са­ние)	Не обна­ру­же­но вза­и­мо­свя­зи [34]	Не обна­ру­же­но взаимосвязи
Пуб­лич­ные запи­си (про­смотр)	-	Отри­ца­тель­ная взаимосвязь
Лич­ные сооб­ще­ния («direct communication»)	-	Не обна­ру­же­но взаимосвязи
Отоб­ра­же­ние про­фи­ля в поис­ко­вых системах	-	Не обна­ру­же­но взаимосвязи

Литература

1. Без­опас­ность лич­ных дан­ных. Лева­да-центр [Элек­трон­ный ресурс]. 
2. Девят­ко И.Ф., Эко­но­ми­ки В.Ш. Онлайн-иссле­до­ва­ния и мето­до­ло­гия соци­аль­ных наук: новые гори­зон­ты, новые (и не столь новые) труд­но­сти // Онлайн-иссле­до­ва­ния в Рос­сии 2.0.: сб. ста­тей / Под ред. Шаш­ки­на А.В., Девят­ко И.Ф., Давы­до­ва С.Г. М.: РИЦ «Севе­ро-Восток», 2010. С. 17—30.
3. Ени­ко­ло­пов Р. Оце­ни­ва­ние эффек­та воз­дей­ствия // Кван­тиль. 2009. № 6. С. 3—15.
4. Интер­нет в Рос­сии: дина­ми­ка про­ник­но­ве­ния. Зима 2017—2018 [Элек­трон­ный ресурс]. Фонд обще­ствен­но­го мнения. 
5. Ком­плекс­ный ана­лиз состо­я­ния пре­ступ­но­сти в Рос­сий­ской Феде­ра­ции и рас­чет­ные вари­ан­ты ее раз­ви­тия [Элек­трон­ный ресурс] / Ю.М. Анто­нян [и др.]. 
6. Реги­о­ны Рос­сии. Соци­аль­но-эко­но­ми­че­ские пока­за­те­ли. Феде­раль­ная служ­ба госу­дар­ствен­ной ста­ти­сти­ки. Москва: Рос­стат. 2019 [Элек­трон­ный ресурс]. 
7. Соци­аль­ные сети в Рос­сии: циф­ры и трен­ды, осень 2019. Brand Analytics [Элек­трон­ный ресурс].
8. Barnes S.B. A Privacy Paradox: Social Networking in the Unites States [Элек­трон­ный ресурс] // First Monday. 2006. Vol. 11(9).
9. Bozdogan H. Model selection and Akaike’s information criterion (AIC): The general theory and its analytical extensions // Psychometrika. 1987. Vol. 52(3). P. 345—370.
10. Brown T.A. Confirmatory Factor Analysis for Applied Research. NY: Guilford, 1st.ed., 2008. 462 p.
11. Burgoon J.K. Privacy and Communication // Communication Yearbook / In Burgoon M. (Ed.). CA.: Sage, 1982. P. 206—249.
12. Chen B., Marcus J. Students’ self-presentation on Facebook: An examination of personality and self-construal factors // Computers in Human Behavior. 2012. Vol. 28(6). P. 2091—2099.
13. Christofides E., Muise A., Desmarais S. Hey mom, what’s on your Facebook? Comparing Facebook disclosure and privacy in adolescents and adults // Social Psychological and Personality Science. 2012. Vol. 3(1). P. 48—54.
14. Christofides E., Muise A., Desmarais S. Risky disclosures on Facebook: The effect of having a bad experience on online behavior // Journal of adolescent research. 2012. Vol. 27(6). P. 714—731.
15. Dienlin T., Trepte S. Is the privacy paradox a relic of the past? An in-depth analysis of privacy attitudes and privacy behaviors // European journal of social psychology. 2015. Vol. 45(3). P. 285—297.
16. Dienlin T., Metzger M.J. An extended privacy calculus model for SNSs: Analyzing self-disclosure and self-withdrawal in a representative US sample // Journal of Computer-Mediated Communication. 2016. Vol. 21(5). P. 368—383.
17. Donath J.S., Boyd D. Public displays of connection // BT technology Journal. 2004. Vol. 22(4). P. 71—82.
18. Eurobarometer. Attitudes on Data Protection and Electronic Identity in the European Union. Brussels: European Commission. 2010 [Элек­трон­ный ресурс]. 
19. Federal Trade Commission. FTC Imposes $5 Billion Penalty and Sweeping New Privacy Restrictions on Facebook [Элек­трон­ный ресурс]. URL: www.ftc.gov/news-events/press-releases/2019/07/ftc-imposes-5-billion-penalty-sweeping-new-privacy-restrictions (дата обра­ще­ния: 20.09.2020).
20. Gerber N., Gerber P., Volkamer M. Explaining the privacy paradox: A systematic review of literature investigating privacy attitude and behavior // Computers and Security. 2018. Vol. 77. P. 226—261. DOI:10.1016/j.cose.2018.04.002
21. Greifer N. Matching methods. 2020 [Элек­трон­ный ресурс]. 
22. Gu X.S., Rosenbaum P.R. Comparison of multivariate matching methods: Structures, distances, and algorithms // Journal of Computational and Graphical Statistics. 1993. Vol. 2(4). P. 405—420.
23. Hernán M.A, Robins J.M. Causal Inference: What if. Boca Raton: Chapman and Hall/CRC, 1 st.ed., 2020. 302 p.
24. Hosmer D.W., Lemeshow S. Applied Logistic Regression. New York: Wiley, 3 st.ed., 2013. 528 p.
25. Iacus S.M., King G., Porro G. Multivariate matching methods that are monotonic imbalance bounding // Journal of the American Statistical Association. 2011. Vol. 106(493). P. 345—361.
26. Iacus S.M., King G., Porro G. Causal inference without balance checking: Coarsened exact matching // Political analysis. 2012. P. 1—24.
27. Ibrahim Y. The new risk communities: Social networking sites and risk // International Journal of Media and Cultural Politics. 2008. Vol. 4(2). P. 245—253. DOI:10.1386/macp.4.2.245_
28. Kalish Y., Robins G. Psychological predispositions and network structure: The relationship between individual predispositions, structural holes and network closure // Social Networks. 2006. Vol. 28. P. 56—84. DOI:10.1016/j.socnet.2005.04.004
29. Kokolakis S. Privacy attitudes and privacy behaviour: A review of current research on the privacy paradox phenomenon // Computers and Security. 2017. Vol. 64. P. 122—134. DOI:10.1016/j. cose.2015.07.002
30. LaPiere R.T. Attitudes vs. actions // Social forces. 1934. Vol. 13(2). P. 230—237.
31. Lee E., Kim Y.J., Ahn J. How do people use Facebook features to manage social capital? // Computers in Human Behavior. 2014. Vol. 36. P. 440—445.
32. Liu D., Ainsworth S.E., Baumeister R.F. A meta-analysis of social networking online and social capital // Review of general psychology. 2016. Vol. 20(4). P. 369—391. DOI:10.1037/gpr0000091
33. Louviere J.J., Hensher D.A., Swait J.D. Stated choice methods: analysis and applications. Cambridge University press, 1 st. ed., 2000. 402 p.
34. Nagelkerke N. A note on a general definition of the coefficient of determination // Biometrika, 1991. Vol. 78. P. 691—692.
35. Newell P.B. Perspectives on Privacy // Journal of Environmental Psychology. 1995. Vol. 15. P. 87—104.
36. Norris F.H., Smith T., Kaniasty K. Revisiting the Experience—Behavior Hypothesis: The Effects of Hurricane Hugo on Hazard Preparedness and Other Self-Protective Acts // Basic and Applied Social Psychology. 1999. Vol. 21(1). P. 37—47. DOI:10.1207/s15324834basp2101_4
37. Park Y.J. Digital literacy and privacy behavior online // Communication Research. 2013. Vol. 40(2). P. 215—236.
38. Park Y.J. Do men and women differ in privacy? Gendered privacy and (in)equality in the Internet // Computers in Human Behavior. 2015. Vol. 50. P. 252—258. DOI:10.1016/j.chb.2015.04.011
39. Reeve B.B., Fayers P. Applying item response theory modeling for evaluating questionnaire item and scale properties // Assessing quality of life in clinical trials: methods of practice. 2005. Vol. 2. P. 55—73.
40. Robins R.W., Hendin H.M., Trzesniewski K.H. Measuring global self-esteem: Construct validation of a single-item measure and the Rosenberg Self-Esteem Scale // Personality and social psychology bulletin. 2001. Vol. 27(2). P. 151—161.
41. Rosenberg M. Society and the adolescent self-image. Princeton, New Jersey: Princeton University Press, 1965. 338 p.
42. Rubin D.B. Bias Reduction Using Mahalanobis-Metric Matching // Biometrics. 1980. Vol. 36(2). P. 293—298. DOI:10.2307/2529981
43. Rubin D.B. Estimating causal effects of treatments in randomized and nonrandomized studies // Journal of Educational Psychology. 1974. Vol. 66. P. 688—701.
44. Rubin D.B. Matching to remove bias in observational studies // Biometrics. 1973. Vol. 29. P. 159—183.
45. Rykov Y., Koltsova O., Sinyavskaya Y. Effects of user behaviors on accumulation of social capital in an online social network // Plos one. 2020. Vol. 15(4). DOI:e0231837
46. Stuart E.A. Matching methods for causal inference: A review and a look forward // Statistical science: a review journal of the Institute of Mathematical Statistics. 2010. Vol. 25(1). P. 1—21.
47. Stutzman F., Vitak J., Ellison N.B., Gray R., Lampe C. Privacy in interaction: Exploring disclosure and social capital in Facebook // In Sixth international AAAI conference on weblogs and social media (Dublin, Ireland, June 4—7, 2012). Palo Alto: AAAI Press. Vol. 6(1).
48. Tavakol M., Dennick R. Making sense of Cronbach’s alpha // International Journal of Medical Education. 2011. Vol. 2. P. 53—55. DOI:10.5116/ijme.4dfb.8dfd
49. Totterdell P., Holman D., Hukin A. Social networkers: Measuring and examining individual differences in propensity to connect with others // Social Networks. 2008. Vol. 30. P. 283—296. DOI:10.1016/j.socnet.2008.04.003
50. Trepte S., Dienlin T., Reinecke L. Risky behaviors: How online experiences influence privacy behaviors // From the Gutenberg galaxy to the Google galaxy / In Stark B., Quiring O., Jackob N. (Ed.). Germany: UVK Verlag, 2014. 370 p.
51. Weinstein N. Effects of personal experience on self-protective behavior // Psychological Bulletin. 1989. Vol. 105. P. 31—50.
52. Zakrison T.L., Austin P.C., McCredie V.A. A systematic review of propensity score methods in the acute care surgery literature: avoiding the pitfalls and proposing a set of reporting guidelines // European Journal of Trauma and Emergency Surgery. 2018. Vol. 44(3). P. 385—395.

Об авторе

Ядви­га Эду­ар­дов­на Синяв­ская — млад­ший науч­ный сотруд­ник лабо­ра­то­рии соци­аль­ной и когни­тив­ной инфор­ма­ти­ки, Санкт-Петер­бург­ская шко­ла соци­аль­ных наук и восто­ко­ве­де­ния, ФГАОУ ВО «Наци­о­наль­ный иссле­до­ва­тель­ский уни­вер­си­тет «Выс­шая шко­ла эко­но­ми­ки» (ФГАОУ ВО «НИУ ВШЭ»), Санкт-Петер­бург, Россия.

Смот­ри­те также:

• Алек­се­е­ва К.А. Ано­ним­ность и ее вли­я­ние на само­пре­зен­та­цию лич­но­сти в вир­ту­аль­ной реальности
• Вой­скун­ский А.Е., Евдо­ки­мен­ко А.С., Феду­ни­на Н.Ю. Сете­вая и реаль­ная иден­тич­ность: срав­ни­тель­ное исследование
• Ива­но­ва Д.И. Аутен­тич­ность лич­но­сти интер­нет-поль­зо­ва­те­ля в про­цес­се интернет-социализации
• Лисен­ко­ва А.А. Репре­зен­та­ция иден­тич­но­сти в прак­ти­ках вир­ту­аль­ной коммуникации

1. Дан­ные из иссле­до­ва­ния, про­ве­ден­но­го «Лева­да-Центр». С 05.09.2016 «Лева­да-Центр» вклю­чен в реестр неком­мер­че­ских орга­ни­за­ций, выпол­ня­ю­щих функ­ции ино­стран­но­го агента.
2. Иссле­до­ва­тель­ский про­ект Лабо­ра­то­рии СКИЛА НИУ ВШЭ, «Соци­аль­ный капи­тал и при­ват­ность онлайн: город­ское сооб­ще­ство в соци­аль­ной сети».
3. 26 место из 85 по уров­ню ВРП сре­ди реги­о­нов Рос­сии [6, с. 30].
4. C 21 мар­та 2022 года офи­ци­аль­но запре­щен на тер­ри­то­рии России.