Privacy Concerns and Self-Disclosure in Private and Public Uses of Social Media
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The study contributes to the ongoing debate about the "privacy paradox" in the context of using social media. The presence of a privacy paradox is often declared if there is no relationship between users' information privacy concerns and their online self-disclosure. However, prior research has produced conflicting results. The novel contribution of this study is that we consider public and private self-disclosure separately. The data came from a cross-national survey of 1,500 Canadians. For the purposes of the study, we only examined the subset of 545 people who had at least one public account and one private account. Going beyond a single view of self-disclosure, we captured five dimensions of self-disclosure: Amount, Depth, Polarity, Accuracy, and Intent; and two aspects of privacy concerns: concerns about organizational and social threats. To examine the collected data, we used Partial Least Squares Structural Equation Modeling. Our research does not support the presence of a privacy paradox as we found a relationship between privacy concerns from organizational and social threats and most of the dimensions of self-disclosure (even if the relationship was weak). There was no difference between patterns of self-disclosure on private versus public accounts. Different privacy concerns may trigger different privacy protection responses and, thus, may interact with self-disclosure differently. Concerns about organizational threats increase awareness and accuracy while reducing amount and depth, while concerns about social threats reduce accuracy and awareness while increasing amount and depth.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle