基于语音的隐私：智能语音助理中青年隐私保护行为的建模

智能语音助理 (SVA) 深深地嵌入在青年人的生活中，但驱动年轻用户进行隐私保护行为的机制仍不被充分理解。本研究调查了加拿大青年（年龄 16-24 岁）如何与 SVA 协商隐私，开发并测试了一个基于五个关键构建的结构模型：感知隐私风险 (PPR)、感知收益 (PPBf)、算法透明度与信任 (ATT)、隐私自我效能 (PSE) 和隐私保护行为 (PPB)。对 N=469 名青年的横断面调查采用部分最小二乘结构方程建模进行分析。结果显示，PSE 是 PPB 最强的预测器，而 ATT 对 PPB 的影响完全由 PSE 中介。这确定了一个关键的效能差距，即青年人的信心必须首先得到建立，才能采取行动。该模型确认 PPBf 直接抑制保护性行动，同时也通过略微提升自我效能间接促进保护性行动。这些发现经验性地验证并扩展了之前的定性工作，量化了政策过载和隐藏控制如何削弱保护性行动所必需的自我效能。这一研究为从感知到行动提供了一个基于证据的路径，并将其转化为在不牺牲 SVA 实用性的前提下赋能年轻数字公民的设计原则。