算法受众隐私剥夺感的概念及其构成

Research on the Concept and Composition of Algorithmic Audiences’Privacy Deprivation:Analysis of the Grounded Theory Based on Youth Groups

摘要

智能算法带来社会福祉的同时也生成了隐私剥夺风险，研究算法受众隐私剥夺感的概念与构成可为新情境下的隐私社会心态问题分析提供基础概念范畴和理论框架。基于扎根理论方法，采用半结构化深度访谈法获取34位青年的经验资料，借助质性分析工具NVivo12.0进行开放式编码、主轴式编码和选择性编码，反复比较并通过理论饱和度检验后提炼出算法受众隐私剥夺感的概念内涵与构成维度。研究认为，算法受众隐私剥夺感是个体在算法隐私资源交换中持续处于不利地位，感知到自身受到多次剥夺且无力抵抗，产生侵入、不安、愤怒、徒劳等负面情绪，并可能表现出“抵抗式”控制自身信息的行为倾向。从内涵上看，算法受众隐私剥夺感本质上是一种个体无力对抗算法隐私剥夺行为的不公平感；从构成上看，其由侵入感、不安感、愤怒感和徒劳感四个维度构成，并存在“认知评估→情感反应→行为倾向”的内在结构关系。对算法受众来说，算法隐私剥夺行为带来的隐私未得、人格受损及抵抗无力让他们萌生出应得、想得的隐私被剥夺的不公平心理，并陷入一种“抵抗无力或徒劳”的状态。

Abstract

While intelligent algorithms bring in social welfare，it also generate privacy deprivation risks，which may lead to social structural privacy deprivation from the individual level to the community level.On the basis of reviewing existing research，the study examines the concept and composition of algorithmic audiences’privacy deprivation，which can provide a basic conceptual category and theoretical framework for analyzing privacy social mentality issues in new contexts. Based on the grounded theory method，a semi-structured in-depth interview method was used to obtain experiential data from 34 young people.Qualitative analysis tool NVivo12.0 was used to conduct open coding，spindle coding，and selective coding. After repeated comparison and theoretical saturation testing，the conceptual connotation and constituent dimensions of privacy deprivation among the algorithmic audience were extracted.

The study suggests that algorithmic audiences’privacy deprivation refers to the persistent sense of disadvantage individuals experience in the exchange of algorithmic privacy resources.They perceive repeated deprivation and feel powerless to resist，leading to negative emotions such as intrusion，anxiety，anger，and a sense of futility. Additionally，they may display a tendency to engage in‘resistant’behaviors to regain control over their personal information.From the perspective of connotation，algorithmic audiences’privacy deprivation is essentially a sense of unfairness in which individuals are unable to resist algorithmic privacy deprivation behavior.From the perspective of composition，privacy deprivation is composed of four dimensions：invasion，anxiety，anger，and futility.Also，there exists an inherent structural relationship of“cognitive evaluation→emotional response→behavioral tendency”.In short，for algorithmic audiences，the privacy loss，personality damage，and inability to resist caused by algorithmic deprivation behavior result in their development of an unfair mentality，feeling deprived of the privacy they deserve or want，and falling into a state of futility or“inability to resist”.

This study proposes a conceptual model to understand the new phenomenon or problem of algorithmic audiences’privacy deprivation，which provides a theoretical framework for further research on privacy deprivation in the era of intelligent algorithms. On the one hand，compared with traditional theories related to privacy psychology，privacy deprivation focuses more on the unfair psychology of individual privacy deprivation in the exchange of privacy resources；on the other hand，privacy deprivation is consistent with relative deprivation theory，but its concept puts more emphasize on the structural nature of relative deprivation，meaning that algorithmic audiences’privacy deprivation is essentially due to continuous，multi-level，and cumulative structural deprivation.At the same time，this study suggests that further understanding of privacy psychological risk governance issues can be considered within the“resource deprivation-personality deprivation-behavior deprivation”relationship structure，expanding the scope of privacy psychological behavior research in intelligent algorithm environments，which can provide a new perspective for understanding individual privacy psychology and decision-making，and provide new intellectual support for privacy risk governance.

Graphical abstract

关键词

隐私剥夺感 / 算法 / 风险治理 / 青年群体 / 扎根理论

Key words

privacy deprivation / algorithm / risk governance / youth groups / grounded theory

一 问题提出

算法作为人工智能、大数据等新一代信息技术运行的基础，给人们带来便利的同时也生成了隐私剥夺风险，让个体强烈感受到自身隐私资源或权益被剥夺。随着新一代信息技术与数字经济的发展，一些大型算法平台企业和政府部门等强势主体利用算法技术不断争夺个人隐私资源，对个人隐私领域进行权力渗透等问题日益突出，导致“无所不在”的个人隐私侵犯风险^［1-2］。一份基于超过280万中国网民数据的调查报告显示，76.91%的网民遭遇过一些甚至非常多的信息泄露，60.12%的网民曾被平台收集与功能无关的个人信息，57.96%的网民对平台使用的生物识别技术比较或者非常担心1

1 中国政法大学数据法治研究院. 2021全国网民网络安全感满意度调查“个人信息保护与数据安全”专题调查报告[EB/OL].（2023-06-20）[2024-02-01]. http://www.rmlt.com.cn/2021/1209/621637.shtml.

。更为关键的是，人们对算法侵犯后失去隐私的负面情绪日益高涨，并可能在持续的算法剥夺与个体抵抗中演化成一种从个人到共同体的社会结构性“隐私痛感”，成为潜在网络安全与政治社会安全的重要风险源。

目前，“算法受众隐私剥夺感”这一重要现象或问题尚未得到学界足够的关注。不过，已有研究提供了一些有价值的线索。第一，在隐私理论基础层面，有研究提出了无感隐私伤害^［3］、隐私已死^［4］、隐私犬儒主义^［5］等学术概念，这为认识和理解算法受众的隐私剥夺感问题提供了重要理论参考。第二，在隐私个体决策层面，有关隐私关注、焦虑和披露等方面的研究指出，持续性的隐私侵入、被动的隐私自我披露等不利状况已引发人们的普遍关注、焦虑与恐慌^［6-8］，指明了一种以“沮丧、绝望和幻灭”为特征的隐私“未得”情绪正在蔓延开来^［9］。第三，在隐私媒介环境层面，已有研究涉及议题包括无液态监视与隐私让渡^［10-11］、算法抵抗与隐私争夺^［12］、算法黑箱与信息推送^［13］等，揭示了个体在智能算法环境下的隐私资源交换中持续处于“被剥夺”不利地位的本质。第四，在隐私法律保护研究层面，已有研究认为法律实质意义上的隐私权利被剥夺会让主体产生一种“无力感”^［14-16］。事实上，这种法律保护不足引发的“无力感”是隐私剥夺感的一个突出特点和重要来源。

可见，已有研究对算法受众隐私剥夺感相关问题进行了一些有益探讨，但有三方面尚需要拓展。其一，现有研究尚未聚焦“算法受众隐私剥夺感”问题，过度强调算法伦理背景而没有将“智能算法”作为自变量考察其影响机制，也未充分认识到“算法隐私剥夺”潜藏的社会结构性风险。其二，已有研究过于强调“风险—效用”的隐私个体认知决策范式，忽视了算法平台与受众之间的隐私资源交换本身也是一种特殊的情感实践^［17］，也未意识到算法受众隐私剥夺感特殊的网络技术属性，因而对其内涵分析难以深入到情感和行为倾向层面。其三，有必要重新审视“监视资本主义”范式在研究算法隐私剥夺问题的适用边界，其“泛权力论、技术决定论”过度贬低了数字化生存中人的自主性与能动性^［18-19］，方法上过于强调阶级价值批判而较少从隐私文化观念、社会心理、信息传播行为等实践经验资料中寻找证据。

为此，作为未来系统探讨和推进算法受众隐私剥夺感问题研究的基点，考察算法受众隐私剥夺感的概念范畴与构成维度尤为重要且迫切。算法受众隐私剥夺感是什么？其构成维度如何？带着这两个问题，本研究尝试采用扎根理论方法，以青年群体为深度访谈对象，获取相关经验资料，建立编码环节所需的资料库，提炼出算法受众隐私剥夺感的概念范畴和构成维度。以期为智能算法时代的隐私剥夺心理问题研究提供一个基础概念和理论框架，为防范和化解隐私社会心理风险提供理论参考。

二 研究设计

（一） 研究方法

针对“算法受众隐私剥夺感”这一问题究竟该选取何种研究方法来提炼其核心概念？对于隐私剥夺感这类无法直接测量且缺乏成熟理论予以解释的新问题、新现象，扎根理论方法能够从经验材料中提取概念范畴，自下而上完成从事实到理论的归纳过程^［20］16，是一种相对可靠、有效率的分析工具。作为建立实质性理论的“系统方法论”，扎根理论是一种可直接面向算法受众获取经验资料的质性方法，在探索性考察“算法受众隐私剥夺感”这类新事物新现象时具有显著优势。因此，本研究采用扎根理论方法进行探索性研究，通过开放式编码、主轴编码和选择性编码三个关键性步骤来提炼概念、建构理论^［21］，提出一个具有较强解释力的“算法受众隐私剥夺感”理论范畴。

（二） 访谈对象

本研究的对象是算法受众隐私剥夺感的概念与构成，以代表性和典型性为标准选取14~35岁2

2 新华社. 中共中央 国务院印发《中长期青年发展规划（2016—2025年）》[EB/OL].（2017-04-13）[2024-02-01].https://www.gov.cn/zhengce/2017-04/13/content_5185555.htm#1.

的青年群体进行深度访谈。理由有三：第一，青年群体在中国网民中占比最大，占网民规模比例接近50%3

3 中国互联网络信息中心（CNNIC）. CNNIC发布第50次《中国互联网络发展状况统计报告》[EB/OL].（2022-08-31）[2024-02-01].http://cnnic.cn/n4/2022/0916/c38-10594.html.

，属于算法受众的重要甚至是主体部分；第二，一般来说，青年群体的受教育水平、算法接触、算法意识、数据素养、隐私价值期待等较其他年龄段人群更高，其愤怒、不满、无力等剥夺心理特征可能更为突出；第三，青年时期是个人形成核心价值观的重要阶段，这一时期的青年人通常追求自由表达与隐私自由，对人格尊严和隐私安全更为敏感，是潜在网络安全与社会政治安全的关键风险群体来源。此外，青年受访者筛选同时遵循“在使用算法平台时有过相关隐私侵犯的经历，如收到骚扰电话、个人隐私信息被平台泄露或过度收集使用”等标准。最终招募了34名受访者（基本信息见表1），每位受访者均有3年以上的平台使用经历，日均平台使用时长2~4小时及以上。

（三） 资料收集

通过半结构化深度访谈法获取研究算法受众隐私剥夺感的相关经验资料。访谈采取“线上为主、线下为辅”的方式进行，所有访谈以“一对一”的渐进问答形式进行，每次访谈时间限制为60~90分钟。在访谈前，研究者遵循“知情、自愿、保密”原则，征求每位受访者同意对访谈全程录音，并在资料整理分析中对所有受访者敏感信息进行匿名化处理。在开始扎根理论研究前，研究者参考以往相关文献并咨询数据隐私保护领域专家设计访谈提纲。访谈提纲涵盖了受访者对算法隐私概念的理解、受访者的隐私观与价值期待、受访者的隐私被剥夺经历体验、受访者的隐私风险认知、受访者的隐私风险规避意识等主要内容。在访谈中，研究者还会根据受访者的反馈情况不断补充并随机调整访谈内容与顺序，访谈结束后对录音材料进行转录并剔除与研究无关的内容。最后，在2022年9月至2022年12月期间共收集到34份深度访谈材料，整理获取有效文本资料37万字。

三 基于扎根理论方法的编码分析

在扎根理论方法中，对数据材料进行标注、分类与总结，从而提取概念或类别的过程称为编码，涉及开放式编码、主轴编码和选择性编码三个环节。将访谈获取的材料整理成Word文本，导入质性分析工具NVivo12.0进行编码。编码过程经过反复比较并通过理论饱和度检验，最终形成理论框架。

（一） 开放式编码

开放式编码旨在确定初始概念及范畴，即通过对材料“打碎”“揉散”，逐行逐句分析，以标签化和概念化方式形成初始概念，并将表达相同现象或本质的概念归纳为初始范畴。开放式编码中，编码与访谈同时进行并在编码完成后再进行下一次访谈。随机抽取30位受访者数据材料，并在逐句编码这些材料时尽量保留受访者原意，使用受访者认可的相近概念或语句补充访谈中受访者省略的部分内容。共形成111个初始概念，经过反复研读、比较概念内涵并删除少于3次的初始概念，最终共获取34个初始概念，归纳合并后形成13个范畴（见表2）。

（二） 主轴编码

主轴编码旨在形成主范畴，即对开放式编码阶段获取的初始范畴进行分析、比较，发现并构建范畴之间的逻辑关系，重新组合成更高概括性的主范畴，以形成对现象完整的解释^{［22］123-124}。基于开放式编码形成的13个初始范畴共归纳出4个主范畴，分别为侵入感、不安感、愤怒感、徒劳感，如表3所示。

（三） 选择性编码

选择性编码旨在构建理论框架，即通过对主轴编码获取的主范畴进行系统性分析与提炼，形成核心范畴，在此基础上建立与其他主范畴之间的关系。换言之，以描绘一个“故事线”的方式“将零散的范畴重新聚集在一起”，使之成为可以连贯分析的故事，从而解释所有现象。根据本研究目的，将统领其他范畴的核心范畴确定为“算法受众隐私剥夺感”。尽管在主轴编码环节没有出现这一核心范畴，但从实质上来说，算法受众隐私剥夺感作为一个涵盖认知、情感与行为层面的整体概念是不可替代的。它贯穿于整个研究过程，涵盖了访谈问题的提出、访谈材料的收集以及主要范畴的表述。将算法受众隐私剥夺感确立为核心范畴后，一条完整的“故事线”也会自然而然地浮现出来（见表4）。算法受众隐私剥夺感是个体在智能算法环境下的隐私资源控制中感知到自身持续处于不利地位且无力抵抗所形成的主观感受，包括侵入感、不安感、愤怒感与徒劳感四个维度。其中，侵入感是隐私剥夺感的认知要素，不安感与愤怒感是隐私剥夺感的情感表达，徒劳感是隐私剥夺感的行为倾向。四个维度共同构成了算法受众隐私剥夺感的概念范畴。

（四） 理论饱和度检验

理论饱和度检验是判断通过扎根理论方法获得的概念与范畴是否达至饱和的关键。已有研究检验理论饱和度主要有两种操作方式：一是对既有受访者进行测试，即用通俗易懂的语言向受访者解释研究最终形成的概念结构与范畴，并询问该结果是否以及多大程度上与他们的经验相符；二是进行理论抽样，即对增加的新样本进行三级编码，并将编码结果与此前研究结果进行比较，如果没有新的概念或范畴出现，则表明该研究提出的概念和范畴达到了理论饱和度。

采用两种方式进行理论饱和度检验。一方面，研究者对6名受访者进行询问，被告知研究结果符合他们的经验；另一方面，选取编码阶段剩余的4份受访者数据材料进行理论抽样。经过“开放式编码—主轴编码—选择性编码”，发现此前编码形成的概念和范畴同样适用，未出现新的概念或范畴。至此，基于扎根理论方法提炼出的“算法受众隐私剥夺感”这一核心范畴通过理论饱和度检验。

四 算法受众隐私剥夺感的概念模型

（一） 算法受众隐私剥夺感的概念内涵

在扎根理论方法基础上，“算法受众隐私剥夺感”被概念化为在智能算法环境下的隐私资源控制中，个体感知到自身持续处于不利地位且无力抵抗，进而表现出侵入感、不安感、愤怒感乃至徒劳倾向的心理状态，本质上是一种个体无力对抗算法隐私剥夺行为的不公平感。

算法是一种规训权力^［23］，算法平台会不断争夺隐私领域规则及个人隐私资源分配的控制权，从而进一步达到持续影响算法受众的目的。“平台对用户隐私信息过度的收集、处理或者是不合规使用，其实也是让用户的信息所有权在慢慢地丧失。”（N3）而个人信息对算法受众而言，是个体意志以信息为载体的自由反馈。当算法受众感知到对个人隐私资源生产、交换与分配活动控制能力不足，且与其合理隐私价值期待不一致时，就可能萌生出“应得、想得的隐私被剥夺或未得”的不公平心理状态。一位受访者愤愤道：“平台并没有征求我的同意，但是把海量的用户信息拿去换取经济价值。这种交换行为是我控制不了的，也并不能够去评价这种交换行为到底能不能达到我的预期。”（N2）

算法受众隐私剥夺感嵌入了一套基于社会比较的评价标准，核心在于算法受众感知到自身在个人隐私资源控制中处于“不利地位”。这种比较关注的是算法受众与平台交换隐私资源后的客观应得，包括个人基于人格尊严价值应得的隐私资源、基于隐私惯习应得的隐私资源的支配力以及基于隐私风险应得的隐私资源的控制力。当交换所得被认为是不应该、不公平或不合理时，算法受众便会唤醒与未得直接关联的负面情绪。正如某位受访者所表达的：“明明只是做一个很简单的事情，平台却要你注册一大堆东西。而且你提供的这些信息跟平台的服务毫无关系，这种时候是比较愤怒的。”（N12）算法受众在个人隐私资源利用中的“无力”是算法受众隐私剥夺感的内在属性，其外在表现是侵入感、不安感、愤怒感、徒劳感等。这种无力包括两个方面：一是个体对自身数据资源的掌控无力（N9），即由于不具备算法意识和专业的隐私保护技能，算法受众难以察觉和阻止平台对其隐私资源的不合规利用，逐渐失去了对个人隐私资源的控制力；二是平台的全景式规训让算法受众产生无力感，即平台通过制定可读性差的隐私政策（N5）和设置“安慰性质”的隐私控制功能（N12）等，规训算法受众努力控制个人隐私资源的行为是毫无意义的^［24］。

（二） 算法受众隐私剥夺感的构成维度

侵入感。在讨论算法如何影响人们的日常生活时，算法侵入作为在数据收集阶段就已发生的行为^［25］，会给算法受众带来侵入感。在本研究中，侵入感作为隐私剥夺感的认知要素，指的是算法受众对个人隐私空间被侵犯的感知，包含感知侵入、感知占有、感知监视与感知穿透四个方面。当前，新型信息技术可以在人们未经察觉的情况下“穿透”人们身体，获取更具私密性的个人数据，例如个人身体信息、既往病史、个人生物识别数据（如面部和指纹）等。通过聚合分析，这些数据可进一步揭示出算法受众的身份信息、家庭住址、行为偏好、政治面貌等，从而给算法受众带来隐私被侵犯的感受。某受访者表示：“我们的个人隐私在平台上面，你能亲身感受到你的隐私已经被侵犯了。”（N25）

不安感。算法技术危及隐私安全会给个人造成隐私伤害。不安感是隐私伤害的主要心理状态，表达了对个人隐私资源失去控制的后果感知^［26］，是算法受众隐私剥夺感的情感表达。对算法受众而言，无处不在的算法监视、大规模的数据泄露、被精准刻画的用户画像以及脆弱的平台防火墙等都会使其感到不安。即使这些情况并未对他们的人身财产安全造成实质性损失，但是由于伤害后果未知及对这些潜在威胁缺乏控制，极度不安的感受还是会被唤起^［27］。某受访者坦言：“我现在有一点忐忑不安，尽管我觉得还没有受到伤害。”（N34）不安感是一种广泛的负面情绪，不仅来自真实经历的数据滥用等外界刺激，还来自对不确定性威胁或未知的担忧。在访谈中，许多受访者表示他们在平台中会感受到不安全（N31）、危机（N29）或恐怖（N30），如认为“在平台上输入一些密码、邮箱、身份证号以及银行账号，这些都在泄露自己的隐私。电信诈骗就是钻了这些隐私的安全漏洞，因此，肯定是不安全的”（N31）。

愤怒感。愤怒感是算法隐私研究中最常见的一种负面情绪^［28］，也是算法受众隐私剥夺感在情感实践上的表达，表现为对个人隐私资源面临不利处境或导致的负面效应超出预期产生的不满（N10）、反感（N18）和气愤（N25）。在隐私资源交换中，愤怒感的出现意味着平台对隐私资源的渐进式剥夺破坏了算法受众对交换公平性的感知。这是因为使用平台的算法受众对交换的个人隐私资源如何被使用以及被谁使用有一定的期望，当平台在受众未知的情况下将信息用于未经授权的目的，这种公平性便遭到了违背^［29］。由于感知不公平，算法受众再次强化了其在隐私资源交换中不利地位的认知，愤怒感作为一种直接表达的负面情绪随之出现。在访谈时，一位受访者就曾抱怨道：“注册平台时勾选的那些条款使我们的手机号之类的全部上传，之后你可能会收到各种各样的骚扰广告、骚扰短信、骚扰电话，天天给你打，挺烦的”。（N4）

徒劳感。徒劳感描述了对个体或平台保护个人隐私资源的行为表现出的麻木无感（N20）、徒劳无获（N28）与犬儒主义（N23）。在意识到隐私侵入不可避免、隐私伤害令人不安以及隐私交换违背公平性时，受访者会产生徒劳感。这是一种个人宿命式的信念，即面对无法规避的不理想情况，个人认为出于降低风险所做的一切努力都是毫无意义的^［30］。“因为你没法阻止平台给你发，你把它拉黑多少次，它还是通过各种各样的方式给你发，后来就置之不理了，不管它了。”（N1）这种置之不理包含了算法受众无意改变现状的悲观情绪。在访谈中，受访者对隐私政策的看法传达了一种保护隐私徒劳且无用的认命心理。“平台的隐私政策最开始可能会看一看，现在根本就不愿意看了，觉得看了也没用，毫无意义。”（N4）

（三） 算法受众隐私剥夺感的内在结构

算法受众隐私剥夺感的构成维度可归纳为“认知、情感与行为”三个层次，且存在一个“认知评估→情感反应→行为倾向”的内在结构关系（见图1），共同影响着算法受众隐私剥夺感的形成。

在隐私资源交换过程中，侵入感的出现以个体对个人隐私资源处境进行的认知评估为前提，评估标准是个体感知隐私空间遭到破坏。对算法受众而言，“本来是我自己的一些个人信息、个人的领地，现在全部都被平台侵犯了”（N4），个体产生的不安感与愤怒感背后都有认知因素的影响。算法受众表达了对算法平台通过算法监视、自动化收集、个性化推荐等方式收集个人隐私资源的不安，“让我觉得很不安的是，平台调用我的摄像头或者是麦克风，让我感觉它好像直接侵入了我的生活”（N22），并唤醒了对不利处境难以控制的愤怒感，“在你不知不觉中把你通讯录里的所有电话号码，甚至是你的照片信息也全部收集了。这个是很可怕的，会让人很愤怒”（N3）。不安与愤怒为算法受众采取应对方式提供行动动力。由于不利地位难以改变，算法受众在侵入感影响下表达出的不安与愤怒情绪可能会使其表现出麻木无感、徒劳无获以及犬儒主义倾向。“面对平台的行为，有时候气愤过头。但气愤过了之后也知道大环境就是这个样子，短时间也没办法改变，作为个人没办法反抗。”（N4）

五 总结与展望

本文基于扎根理论方法，对34位青年进行深度访谈，探索性考察了算法受众隐私剥夺感的概念及其构成维度。研究发现，算法受众隐私剥夺感是在智能算法环境下的隐私资源控制中，个体感知到自身持续处于不利地位且无力抵抗，进而表现出侵入感、不安感、愤怒感乃至徒劳倾向的心理状态。从内涵上看，算法受众隐私剥夺感本质上是一种个体无力对抗算法隐私剥夺行为的不公平感；从构成上看，其由侵入感、不安感、愤怒感和徒劳感四个维度构成，可归纳为“认知、情感与行为”三个层次，并存在“认知评估→情感反应→行为倾向”的内在结构关系。其中，侵入感强调对个人隐私空间被侵犯的感知，不安感强调对个人隐私资源失去控制可能导致的不安全后果感知，愤怒感强调对个人隐私资源面临不利处境或导致的负面效应超出预期产生的不满、反感和气愤，而徒劳感强调对个体或平台保护个人隐私资源的行为表现出的麻木无感、徒劳无获与犬儒主义倾向。简言之，对算法受众来说，算法隐私剥夺行为带来的隐私未得、人格受损及抵抗无力让他们萌生出应得、想得的隐私被剥夺的不公平心理，并陷入一种“抵抗无力或徒劳”的状态。

隐私剥夺感体现了智能算法时代个人信息控制的结构性失衡，即隐私资源利用已经在隐私实践中谋得了一种外在于隐私保护价值的正当性，并试图摆脱“限制隐私利用”的正当性要求。随着个人信息成为一种“准商品”或“准货币”，隐私资源成为被消费或投资的对象，平台企业、政府等主体逐渐在实质意义上完成了对隐私资源的绝对控制和规则支配。这些强势主体掌握着经济、政治、社会领域的规则和资源，通过不断嵌入、渗透和转换到隐私领域，导致处于传统隐私领域中心位置的个人逐渐被边缘化，甚至被排斥在数字经济社会福利分配体系之外。同时，人们渐进习得一种新的隐私行动逻辑，陷入了一种“每个人对每个人的隐私消费狂欢”。人们不再将“隐私”视为绝对神圣之物，而是转换为一个可为自身所用且为自己所控制的社会资本，这为隐私资源过度、不当或非法利用提供了“正当性”基础。一方面，个人被迫持续生产和让渡自己的隐私资源并呼吁保护个人隐私权益，限制他者的隐私资源使用；另一方面，许多人又毫无节制地陷入到对他人隐私资源的争夺与消费之中。在这个意义上，隐私剥夺感阐释了人们有权享有隐私资源，但实质上并不拥有的“受剥夺”体验，并揭示了从个人到共同体发生“结构性”冲突的可能。

本研究的贡献主要体现在两个方面。其一，提出了认识“算法受众隐私剥夺感”这一新现象或问题的概念模型，为后续推进智能算法时代隐私剥夺感问题研究提供了一个可供借鉴的基本范畴与框架。一方面，与“隐私关注”“隐私犬儒主义”“隐私风险感知”“监视资本主义”等理论相比，隐私剥夺感更关注在隐私资源交换关系中个体隐私被剥夺的不公平心理，并强调从隐私文化观念、社会心理、信息传播行为等实践资料中寻找经验证据；另一方面，隐私剥夺感与“相对剥夺感理论”在一定程度上契合，隐私剥夺感是与地位较高、获益较多的群体特别是算法平台相比，个体感知到自身处于不利地位并产生了一种需求得不到满足的心理状态。不过，本研究中的隐私剥夺感概念更加强调相对剥夺的“结构性”性质，即算法受众的隐私剥夺感并非简单源于算法平台对个人隐私资源的粗暴争夺抑或绝对剥夺，而是受到相续、多阶和累加的“结构性”剥夺，不仅仅是个体价值与能力作用的结果。其二，拓展了智能算法环境下隐私心理行为研究的范围，为理解算法受众的隐私心理与个体决策行为提供了新视角，为隐私风险治理提供新的智力支撑。在智能算法环境下，传统的隐私风险抑或个体自决视角已无法满足复杂的算法隐私心理问题分析，应当从“外部场景、剥夺行为和个体控制”三方面综合入手，尝试在“资源剥夺—人格剥夺—行为剥夺”关系结构中重新认识隐私心理风险与治理问题，提升算法受众的隐私韧性，提升政府等主体的隐私风险治理能力，最终实现智能算法时代的隐私剥夺风险之治。

当然，本研究也存在一些不足。首先，在样本选择上，仅关注使用算法平台的青年群体，可能会影响研究结论在中老年、青少年群体隐私剥夺感问题研究中的适用性。其次，本研究严格遵循扎根理论方法的规范程序，但部分受访者不愿过多回忆既往隐私侵害经历或回答存在记忆偏差，可能会干扰一手经验资料的收集。最后，本研究尚不清楚侵入感等四个维度对算法受众隐私剥夺感程度的贡献度。有鉴于此，后续研究可从以下两方面予以推进。其一，优化访谈样本范围、规模与结构，纳入中老年、青少年样本，关注特殊群体和边缘群体等，改进算法受众隐私剥夺感理论框架；其二，结合本研究提出的理论框架进一步构建可操作的测度量表，测量其对隐私剥夺感程度的贡献度。

参考文献

[1] OHM P. Broken promises of privacy：responding to the surprising failure of anonymization［J］. UCLA Law Review，2010，57（6）：1701-1777.

[2] 徐明. 大数据时代的隐私危机及其侵权法应对［J］. 中国法学，2017（1）：130-149.

[3] 顾理平. 无感伤害：大数据时代隐私侵权的新特点［J］. 新闻大学，2019（2）：24-32.

[4] 俞立根，顾理平. “隐私已死”与技术社会的想象式抵抗［J］. 新闻记者，2022（7）：58-70.

[5] HOFFMANN C P， LUTZ C， RANZINI G. Privacy cynicism：a new approach to the privacy paradox［J］.Cyberpsychology：Journal of Psychosocial Research on Cyberspace，2016，10（4）：43-60.

[6] 申琦. 风险与成本的权衡：社交网络中的“隐私悖论”［J］. 新闻与传播研究，2017（8）：55-69.

[7] 强月新，肖迪. 社交网络中的隐私悖论：隐私关注、自我表露意愿对社交推文发送的影响研究［J］. 国际新闻界，2019（12）：6-26.

[8] 肖迪. 隐私悖论及其认知决策：基于隐私计算和理性宿命论的经验分析［J］. 新闻大学，2023（3）：45-60.

[9] VAN O I， SEGIJN C M， OPREE S J. Privacy cynicism and its role in privacy decision-making［J］.Communication Research，2022，51（2）：1-32.

[10] 董晨宇，丁依然. 社交媒介中的“液态监视”与隐私让渡［J］. 新闻与写作，2019（4）：51-56.

[11] 卢家银. 无奈的选择：数字时代隐私让渡的表现、原因与权衡［J］. 新闻与写作，2022（1）：14-21.

[12] 洪杰文，陈嵘伟. 意识激发与规则想象：用户抵抗算法的战术依归和实践路径［J］. 新闻与传播研究，2022（8）：38-56.

[13] 刘河庆，梁玉成. 透视算法黑箱：数字平台的算法规制与信息推送异质性［J］. 社会学研究，2023（2）：49-71.

[14] NISSENBAUM H. Privacy as contextual integrity［J］. Washington Law Review，2004，79（1）：119-157.

[15] 王锡锌. 个人信息国家保护义务及展开［J］. 中国法学，2021（1）：145-166.

[16] 顾理平，俞立根. 智媒时代公民的身份确认与信息性隐私的保护：基于情景化识别的视角［J］. 南京社会科学，2022（5）：99-110.

[17] 皇甫博媛. “算法冒犯我”：用户与算法的情感实践及其自主性［J］. 新闻大学，2023（2）：16-27.

[18] 邵成圆. 重新想象隐私：信息社会隐私的主体及目的［J］. 国际新闻界，2019（12）：44-57.

[19] 杜永欣，周茂君. 透明化生存中的自主性构建：算法推荐的隐私问题与规制路径［J］. 未来传播，2022（6）：10-19.

[20] 沃尔什. 经典扎根理论：定性和定量数据的应用［M］. 王进杰，朱明明，译. 北京：北京大学出版社，2021.

[21] CUTCLIFFE J R. Methodological issues in grounded theory［J］. Journal of Advanced Nursing，2000，31（6）：1476-1484.

[22] STRAUSS A， CORBIN J. Basics of qualitative research：techniques and procedures for developing grounded theory［M］. London：Sage Publications，1998.

[23] CINNAMON J. Social injustice in surveillance capitalism［J］. Surveillance & Society，2017，15（5）：609-625.

[24] DRAPER N A， TUROW J. The corporate cultivation of digital resignation［J］. New Media & Society，2019，21（8）：1824-1839.

[25] BERNAL P. Data gathering，surveillance and human rights：recasting the debate［J］. Journal of Cyber Policy，2016，1（2）：243-264.

[26] CALO R. The boundaries of privacy harm［J］. Indiana Law Journal，2011，86（3）：1131-1162.

[27] MARTIN K D， BORAH A， PALMATIER R W. Data privacy：effects on customer and firm performance［J］.Journal of Marketing，2017，81（1）：36-58.

[28] PARK J， CHOI H， JUNG Y. Users’cognitive and affective response to the risk to privacy from a smart speaker［J］. International Journal of Human-Computer Interaction，2021，37（8）：759-771.

[29] XU H， GUPTA S， ROSSON M B，et al. Measuring mobile users’concerns for information privacy［C］. Orlando：In Proceeding of Thirty Third International Conference on Information Systems，2012.

[30] 李锦辉，颜晓鹏，张俊杰，等. 年轻群体微信使用的隐私披露行为影响机制研究：隐私犬儒主义的中介效应［J］. 新闻与传播评论，2023（1）：87-101.

基金资助

教育部人文社会科学研究青年基金项目(23XJCZH020)

中国博士后科学基金面上项目(2023M732819)

国家社会科学基金重大项目(23ZDA086)