迈向有效且可靠的隐私关注量表：以 IUIPC-8 为例
人机交互
2023-08-17 v1 密码学与安全
摘要
有效且可靠的测量工具对隐私研究中的人因工程至关重要。我们期望它们能测量其声称要测量的内容(即具有效度)，并一致地进行测量(即具有信度)。尽管该领域已有多种隐私关注测量工具且其研究持续不断，我们将聚焦于互联网用户信息隐私关注量表(IUIPC-8)这一简版量表作为示例。我们不仅呈现 IUIPC-8 本身，还考量用于评估有效且可靠测量工具的方法。其中，验证性因子分析(CFA)是我们宝贵的工具。我们的探究考虑了 IUIPC 问卷所产生的有序且非正态数据，比较多个模型以确认该量表的三维性，检验全局与局部拟合，并最终估计构念效度与内部一致性信度指标。我们基于两个独立样本提供了 IUIPC-10 与 IUIPC-8 的比较。最后，我们强调了该量表的属性及其在实践中使用的考量。
引用
@article{arxiv.2308.08322,
title = {Towards Valid and Reliable Privacy Concern Scales: The Example of IUIPC-8},
author = {Thomas Groß},
journal= {arXiv preprint arXiv:2308.08322},
year = {2023}
}
备注
19 pages. Funded by the ERC Starting Grant CASCAde (GA no 716980). arXiv admin note: substantial text overlap with arXiv:2011.11749