3. Methods3.1. Sample characteristi

3. Methods
3.1. Sample characteristics
The analyses were based on a national probability sample of
419 Internet users (age 18 and older). The Knowledge Networks
(KN) recruited the respondents in 2008, using random-digit dialing.
The participants were asked to complete an online survey,
which took about 10–12 min to complete. The original sample size
was 456, with a completion rate of 69% (456 completed out of 663
contacted) and the item validity check reduced the final data set to
419 responses. The demographic distributions of our sample were
not much different from those of the general population as
reported in the 2010 U.S. Census Bureau’s American Community
Survey (ACS). In both data sets, the median education level for
those 25 or older was some college. Household income (the median
in the ACS and the current study was $50,000–74,999 and
$60,000–74,999, respectively), gender (female in the ACS and the
sample was 52.4% and 53.6%) and age (the median age for those
18 or older in the ASC and the current study was 45–54 and 47,
respectively) resembles the profiles of the general population.
We also compared the participants’ characteristics with those of
the 2009 FCC broadband Internet user sample. Here some of the
limits in our sample deserve careful attention. First, age and
income levels in our study’s sample were slightly higher than in
the 2009 FCC sample. Also, non-Hispanic white users made up
77% of our sample. While this was close to the figure in the FCC
broadband Internet user sample (76%), this number remained
higher than that in the 2010 US Census report (72.4%). Thus the
readers should be guided with caution about the extent to which
we can generalize this study’s findings.
3.2. Measures
3.2.1. Privacy protection and release
One of the main goals in our study was to investigate the presence
or absence of the gender gap in the privacy behavior and
related confidence in the two dimensions of (1) data protection
and (2) release. The dimension of data protection was elaborated
into (a) social and (b) technical behaviors in data protection as
intertwined in daily Internet uses (Hargittai & Litt, 2013; Litt,
2013; Marx, 2003; Park, 2013a, 2013b, for ‘‘sociotechnical’’ capital).
Respondents were asked to report the extent to which they
were involved in each of the information control behaviors on a
6-point scale, ranging from never to very often. Eight items
(M = 25.04, SD = 9.36; range, 1–48) were used to create a composite
index for the social behavior (a = .80). For the technical behavior,
we measured four items (M = 13.07, SD = 5.10; range, 1–24)
and later combined them into a composite index (a = .70), modified
from the extant literature (Acquisti & Gross, 2006; Litt & Hargittai,
2014; Pew Internet, 2007) (see the items in Table 1). The dimension
of personal data release was detailed into the two binary
items: (a) display ad click-in (M = 0.32, SD = 0.46; range, 0–1) and
(b) exchange opt-in (M = 0.70, SD = 0.45; range, 0–1). For display
ad click-in, the respondents were asked whether they have ever
clicked on an online display advertisement to learn about products
or services. For exchange opt-in, they were also asked whether
they have ever exchanged personal data for free reward such as
discount or gift.
3.2.2. Privacy confidence
Confidence was operationalized into the two items that correspond
to each of data protection and release. For the data protection
dimension, we asked on a 6-point scale the extent to which
users were assured of her/his own data protection ability that is,
data protection confidence (M = 3.08, SD = 1.25; range, 1–6). The
wording for this item was: ‘‘Overall I am confident that I can protect
my privacy online.’’ For the data release dimension, we asked
on a 6-point scale to the extent to which users were concerned
about her/his data release – that is, data release concern
(M = 4.72, SD = 1.32; range, 1–6). The wording was: ‘‘I am very concerned
about threats to my personal privacy in today’s information
society.’’ Here a distinction can be made into the negative and positive
self-assessment of one’s data privacy confidence in each
dimension. On the one hand, a user can have little self-assurance
in the assessment of information ability corresponding to the data
protection. On the other hand, the person may see few perceived
concerns related to online personal data release (cf. Baek, 2014).
3.2.3. Control variables
Gender was the variable of primary interest. For control, the
two types of variables were employed: (1) Internet access and
(2) socio-demographics. First, for Internet access variables, three
items measured online experiences in daily routines as they were
related to differentiated uses of the Internet (Hargittai & Hsieh,
2010; Park, 2013a, 2013b): (a) the minutes of daily Internet use
(M = 297.51, SD = 303.54), (b) the number of years of experience
with Internet (M = 11.06, SD = 4.41) and (c) the number of
Internet access locations for each respondent on a 6-point scale
(1 = one, 6 = more than six) (M = 2.32, SD = 1.31), adapted from
Hargittai and Hinnant (2008). For socio-demographic variables
(Rice & Katz, 2003), the four measures of income (19 categories,
M = 12.70, SD = 3.50), education (4 categories, M = 2.97,
SD = 0.93), age (M = 46.34, SD = 16.24), and marriage status (high
for married, 32.5%) were used.
3.3. Analytical strategies
Analysis of this study proceeded as follows. First, descriptive
data identified the overall gender differences in Internet access
and the privacy skill. Second, Ordinary Least Squares multivariate
regression analyses proceeded from (1) a bivariate relationship,
(2) a model that adds socio-demographics, and (3) a full model that
adds Internet access variables. This specification helps tease out
254 Y.J. Park / Computers in Human Behavior 50 (2015) 252–258
the precise gender effect in a realistic assessment that controls a
multitude of social and technological contextual variables. This
also reduces the possibility of biased estimates of gender effect
due to endogeneity. Henceforth, we do not interpret the coeffi-
cients of control variables; instead, hierarchical regression analyses,
which allow step-by-step specifications of control blocks,
would be more suitable for interpreting demographics as the main
predictors. Finally, the interaction terms among gender, age, and
marriage status were created for the final equations. The variables
were standardized prior to entry to reduce potential problems of
multicollinearity. For the data release dimension, logistic regressions
were employed for the binary variables.

ผลลัพธ์ (ไทย) 1:

3. วิธี3.1. ตัวอย่างลักษณะจากการวิเคราะห์บนตัวอย่างความน่าเป็นชาติ419 อินเตอร์เนต (อายุ 18 และเก่า) เครือข่ายความรู้(ช็อปปิ้ง) พิจารณาผู้ตอบใน 2008 ใช้เรียกตัวเลขสุ่มผู้เข้าร่วมได้ต้องทำการสำรวจออนไลน์ซึ่งใช้เวลาประมาณ 10 – 12 นาทีให้เสร็จสมบูรณ์ ขนาดตัวอย่างเดิมมี 456 กับอัตราความสมบูรณ์ของ 69% (เสร็จจาก 663 456ติดต่อ) และเช็คสินค้ามีผลบังคับใช้ลดการตั้งค่าข้อมูลขั้นสุดท้ายเพื่อตอบ 419 การกระจายประชากรของตัวอย่างของเราได้ไม่แตกต่างมากจากประชากรทั่วไปเป็นในชุมชนอเมริกันของสำนักงานสำมะโนสหรัฐ 2010สำรวจ (ACS) ในทั้งสองชุดข้อมูล ระดับการศึกษามัธยฐานสำหรับที่ 25 หรือมากกว่านั้นบางวิทยาลัย รายได้ (ค่ามัธยฐานในการศึกษาปัจจุบันและ ACS ได้ $50000 – 74,999 และ$60000 – 74,999 ตามลำดับ), เพศ (หญิงใน ACS และตัวอย่าง 52.4% และ 53.6%) และอายุ (อายุผู้18 หรือมากกว่าใน ASC และปัจจุบันศึกษาคือ 45 – 54 และ 47ตามลำดับ) คล้ายกับโพรไฟล์ของประชากรทั่วไปเรายังเปรียบเทียบลักษณะของผู้เรียนกับ2009 ของ FCC บรอดแบนด์อินเทอร์เน็ตผู้ใช้ตัวอย่าง ที่นี่บางขีดจำกัดในตัวอย่างเราสมควรล่าง ก่อน อายุ และระดับรายได้ในตัวอย่างของการศึกษาของเราได้เล็กน้อยสูงกว่าในตัวอย่างของ FCC 2009 ยัง Hispanic ไม่ใช่สีขาวผู้ใช้สร้างขึ้น77% ของตัวอย่างของเรา ขณะนี้อยู่ ใกล้กับตัวเลขใน FCCบรอดแบนด์อินเทอร์เน็ตผู้ใช้ตัวอย่าง (76%), หมายเลขนี้ยังคงสูงกว่าในรายงานเราสำนึก 2010 (72.4%) ดังนั้นการควรแนะนำผู้อ่าน ด้วยความระมัดระวังเกี่ยวกับขอบเขตที่เราสามารถทั่วไปของการศึกษานี้พบ3.2 มาตรการ3.2.1 ป้องกันความเป็นส่วนตัวและนำหนึ่งในเป้าหมายหลักในการศึกษาของเรามีการตรวจสอบสถานะหรือเพศช่องว่างในการทำงานความเป็นส่วนตัว และความเชื่อมั่นที่เกี่ยวข้องในสองมิติของการป้องกันข้อมูล (1)และรุ่น (2) มิติของการป้องกันข้อมูลเป็น elaboratedในสังคม (ก) และ (ข) เทคนิคพฤติกรรมในการป้องกันข้อมูลที่เป็นเจอในบริการอินเตอร์เน็ตใช้ (Hargittai & Litt, 2013 Litt2013 Marx, 2003 พาร์ค 2013a, 2013b สำหรับ '' sociotechnical'' ทุน)ผู้ตอบถูกต้องรายงานขอบเขตที่พวกเขาเกี่ยวข้องในแต่ละลักษณะการทำงานควบคุมข้อมูลในการมาตรา 6 จุด ตั้งแต่ไม่บ่อย 8 รายการ(M = 25.04, SD = 9.36 ช่วง 1 – 48) ได้ใช้สร้างส่วนประกอบดัชนีสำหรับลักษณะการทำงานทางสังคม (การ =.80). สำหรับลักษณะทางเทคนิคเราวัด 4 รายการ (M = 13.07, SD = 5.10 ช่วง 1-24)และในภายหลังรวมเป็นดัชนีคอมโพสิต (คำ =.70), ปรับเปลี่ยนจากวรรณคดียัง (Acquisti & รวม 2006 Litt & Hargittai2014 เทอร์เน็ตพิว 2007) (ดูในตารางที่ 1) มิติข้อมูลส่วนบุคคล ออกเป็นรายละเอียดเป็นไบนารี 2สินค้า: (a) แสดงโฆษณาคลิใน (M =$ 0.32, SD = 0.46 ช่วง 0-1) และ(ข) เลือกในอัตราแลกเปลี่ยน (M = 0.70, SD = 0.45 ช่วง 0-1) สำหรับการแสดงผลโฆษณาคลิใน ผู้ตอบถูกถามว่า พวกเขาได้เคยคลิกลงโฆษณาออนไลน์แสดงผลการเรียนรู้เกี่ยวกับผลิตภัณฑ์หรือบริการ แลกเปลี่ยนเลือกใน พวกเขาถูกถามว่าพวกเขาได้เคยแลกเปลี่ยนข้อมูลส่วนบุคคลสำหรับรางวัลฟรีเช่นส่วนลดหรือของขวัญ3.2.2 การความเป็นส่วนตัวความเชื่อมั่นความเชื่อมั่นถูก operationalized ในรายการสองรายการที่สอดคล้องเพื่อป้องกันข้อมูลและปล่อยแต่ละ สำหรับการป้องกันข้อมูลมิติ เราถาม 6 จุดในขอบเขตที่ผู้ใช้ได้มั่นใจได้ว่าความสามารถในการป้องกันข้อมูลของตัวเอง her/his คือความเชื่อมั่นในการป้องกันข้อมูล (M = 3.08, SD = 1.25 ช่วง 1 – 6) ที่ป้ายชื่อสำหรับรายการนี้: '' โดยรวม ผมมั่นใจว่า ฉันสามารถปกป้องข้อมูลส่วนบุคคลออนไลน์.'' สำหรับขนาดปล่อยข้อมูล เราถามในระดับ 6 จุดในกรณีที่ผู้เกี่ยวข้องเกี่ยวกับรุ่น her/his ข้อมูล – คือ ข้อมูลปล่อยความกังวล(M = 4.72, SD = 1.32 ช่วง 1 – 6) ข้อความที่มี: '' ผมมากเกี่ยวกับภัยคุกคามความเป็นส่วนตัวของฉันส่วนบุคคลในข้อมูลของวันนี้สังคม '' ที่นี่พิเศษสามารถทำได้ เป็นการลบ และบวกประเมินของของข้อมูลความเป็นส่วนตัวความเชื่อมั่นในตนเองมิติ คง ผู้ใช้สามารถมี self-assurance น้อยในการประเมินความสามารถของข้อมูลที่สอดคล้องกับข้อมูลการป้องกัน บนมืออื่น ๆ บุคคลอาจดูน้อยมองเห็นข้อสงสัยที่เกี่ยวข้องกับข้อมูลส่วนบุคคลออนไลน์ปล่อย (Baek มัทธิว 2014)3.2.3 การควบคุมตัวแปรเพศเป็นตัวแปรที่น่าสนใจหลัก สำหรับการควบคุม การสองชนิดของตัวแปรทำงาน: (1) อินเตอร์เน็ต และ(2) สังคมข้อมูลประชากร ครั้งแรก อินเทอร์เน็ตเข้าถึงตัวแปร 3รายการวัดประสบการณ์ออนไลน์ในกิจวัตรประจำวันเป็นพวกที่เกี่ยวข้องกับการใช้อินเทอร์เน็ต (Hargittai & Hsieh สังเกต2010 พาร์ค 2013a, 2013b): (a) รายงานการใช้อินเทอร์เน็ตทุกวัน(M = 297.51, SD = 303.54), (b) จำนวนปีของประสบการณ์กับอินเทอร์เน็ต (M = 11.06, SD = 4.41) และ (ค) หมายเลขของสถานเข้าถึงอินเทอร์เน็ตสำหรับแต่ละผู้ตอบใน 6 จุด(1 =หนึ่ง 6 =มากกว่าหก) (M = 2.32, SD = 1.31), ดัดแปลงจากHargittai และ Hinnant (2008) สำหรับตัวแปรทางประชากรสังคม(ข้าว & ทซ 2003), มาตรการ 4 รายได้ (ประเภทที่ 19M = 12.70, SD = 3.50), การศึกษา (4 ประเภท M = 2.97SD = 0.93), อายุ (M = 46.34, SD = 16.24), และสถานภาพ (สูงสำหรับแต่งงาน 32.5%) ใช้3.3 การวิเคราะห์กลยุทธ์วิเคราะห์ศึกษาครอบครัวดังนี้ แรก อธิบายต่างเพศรวมถึงระบุข้อมูลและทักษะส่วนบุคคล สอง กำลังสองน้อยสุดธรรมดา multivariateครอบครัวการวิเคราะห์ถดถอย (1) ความสัมพันธ์ bivariate(2) แบบจำลองที่เพิ่มลักษณะประชากรสังคม และ (3) แบบเต็มรูปแบบที่เพิ่มตัวแปรการเข้าถึงอินเทอร์เน็ต สเปคนี้ช่วยหยอกออกสวน Y.J. 254 / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 50 (2015) 252-258ลักษณะเพศชัดเจนในการประเมินจริงที่ควบคุมการหลากหลายแปรตามบริบททางสังคม และเทคโนโลยี นี้ยัง ช่วยลดโอกาสของเพศผลประเมิน biasedจาก endogeneity ต่อไป เราไม่ตี coeffi-cients การควบคุมตัวแปร แทน วิเคราะห์การถดถอยตามลำดับชั้นซึ่งให้รายละเอียดแต่ละขั้นตอนของบล็อกการควบคุมจะเหมาะสำหรับการตีความข้อมูลประชากรเป็นหลักpredictors สุดท้าย คำโต้ตอบระหว่างเพศ อายุ และสถานภาพถูกสร้างสำหรับสมการสุดท้าย ตัวแปรได้มาตรฐานก่อนรายการเพื่อลดปัญหาของmulticollinearity สำหรับข้อมูลที่นำออกใช้มิติ regressions โลจิสติกได้รับการว่าจ้างสำหรับตัวแปรฐานสอง

ผลลัพธ์ (ไทย) 2:

3. วิธีการ
3.1
ลักษณะตัวอย่างการวิเคราะห์อยู่บนพื้นฐานของความน่าจะเป็นตัวอย่างแห่งชาติ
419 ผู้ใช้อินเทอร์เน็ต (อายุ 18 และรุ่นเก่า) เครือข่ายความรู้
(KN) คัดเลือกผู้ตอบแบบสอบถามในปี 2008 โดยใช้โทรออกสุ่มหลัก.
ผู้เข้าร่วมถูกขอให้กรอกแบบสำรวจออนไลน์ซึ่งใช้เวลาประมาณ 10-12 นาทีจะเสร็จสมบูรณ์
ขนาดตัวอย่างเดิมเป็น 456 มีอัตราความสำเร็จของ 69% (456 เสร็จจาก 663 ติดต่อ) ตรวจสอบความถูกต้องและรายการที่ลดลงข้อมูลขั้นสุดท้ายที่กำหนดให้419 การตอบสนอง การกระจายทางด้านประชากรศาสตร์ของกลุ่มตัวอย่างของเราได้ไม่มากแตกต่างจากประชาชนทั่วไปเป็นรายงานในสำนักสำรวจสำมะโนประชากรของสหรัฐ2010 ชุมชนชาวอเมริกันสำรวจ(ACS) ทั้งในชุดข้อมูลระดับการศึกษาเฉลี่ยของคนอายุ 25 หรือมากกว่าเป็นวิทยาลัยบาง รายได้ของครัวเรือน (เฉลี่ยในเอซีเอสและการศึกษาในปัจจุบันคือ$ 50,000-74,999 และ$ 60,000-74,999 ตามลำดับ) เพศ (หญิงในเอซีเอสและกลุ่มตัวอย่างเป็น52.4% และ 53.6%) และอายุ (อายุเฉลี่ยสำหรับผู้ที่18 ที่มีอายุมากกว่าใน ASC และการศึกษาในปัจจุบันเป็น 45-54 และ 47 ตามลำดับ) มีลักษณะคล้ายกับโพรไฟล์ของประชากรทั่วไป. นอกจากนี้เรายังเปรียบเทียบลักษณะของผู้เข้าร่วมกับของปี 2009 เอฟซีบรอดแบนด์ตัวอย่างผู้ใช้อินเทอร์เน็ต นี่คือบางส่วนของข้อ จำกัด ในตัวอย่างของเราได้รับความสนใจอย่างระมัดระวัง ครั้งแรกที่อายุและรายได้ระดับในกลุ่มตัวอย่างของเรามีสูงกว่าในปี2009 ตัวอย่าง FCC นอกจากนี้ผู้ใช้สีขาวไม่ใช่ฮิสแปขึ้น77% ของตัวอย่างของเรา ขณะนี้ใกล้เคียงกับตัวเลขในเอฟซีกลุ่มตัวอย่างผู้ใช้อินเทอร์เน็ตความเร็วสูง (76%) ตัวเลขนี้ยังคงอยู่สูงกว่าในปี2010 รายงานการสำรวจสำมะโนประชากรของสหรัฐ (72.4%) ดังนั้นผู้อ่านควรจะแนะนำด้วยความระมัดระวังเกี่ยวกับขอบเขตที่เราสามารถพูดคุยผลการศึกษานี้. 3.2 มาตรการ3.2.1 ป้องกันความเป็นส่วนตัวและปล่อยหนึ่งในเป้าหมายหลักในการศึกษาของเราคือการตรวจสอบการแสดงตนหรือไม่มีช่องว่างทางเพศในพฤติกรรมความเป็นส่วนตัวและความเชื่อมั่นที่เกี่ยวข้องในสองมิติ(1) การป้องกันข้อมูลและ(2) การเปิดตัว มิติของการป้องกันข้อมูลที่ถูกเพิ่มเติมเข้ามาใน (ก) สังคมและ (ข) พฤติกรรมทางเทคนิคในการปกป้องข้อมูลเป็นพันในการใช้งานอินเทอร์เน็ตในชีวิตประจำวัน(Hargittai และ Litt 2013; Litt, 2013 มาร์กซ์, 2003; Park, 2013a, 2013b สำหรับ ' 'Sociotechnical' 'ทุน). ตอบแบบสอบถามถูกถามเพื่อรายงานขอบเขตที่พวกเขามีส่วนร่วมในแต่ละพฤติกรรมการควบคุมข้อมูลในระดับ6 จุดตั้งแต่ไม่เคยที่จะบ่อยมาก แปดรายการ(M = 25.04, SD = 9.36; ช่วง 1-48) ถูกนำมาใช้เพื่อสร้างคอมโพสิตดัชนีสำหรับพฤติกรรมทางสังคม(ก = 0.80) สำหรับพฤติกรรมทางเทคนิคที่เราวัดสี่รายการ (M = 13.07, SD = 5.10; ช่วง 1-24) และต่อมารวมไว้ในดัชนีคอมโพสิต (ก = 0.70) การปรับเปลี่ยนจากวรรณกรรมที่ยังหลงเหลืออยู่(Acquisti & Gross, 2006 ; & Hargittai Litt, 2014; ผิว Internet, 2007) (ดูรายการในตารางที่ 1) มิติของการปล่อยข้อมูลส่วนบุคคลเป็นรายละเอียดเป็นสองไบนารีรายการ(ก) การแสดงผลโฆษณาคลิกใน (M = 0.32, SD = 0.46; ช่วง 0-1) และ(ข) การแลกเปลี่ยนเลือกใน (M = 0.70, SD = 0.45; ช่วง 0-1) สำหรับการแสดงผลโฆษณาคลิกในผู้ตอบแบบสอบถามถูกถามว่าพวกเขาได้เคยคลิกที่โฆษณาการแสดงผลออนไลน์เพื่อเรียนรู้เกี่ยวกับผลิตภัณฑ์หรือบริการ สำหรับการแลกเปลี่ยนเลือกในการที่พวกเขาถูกถามว่าพวกเขามีการแลกเปลี่ยนข้อมูลส่วนบุคคลที่เคยได้รับรางวัลฟรีเช่นส่วนลดหรือของที่ระลึก. 3.2.2 ความเชื่อมั่นในความเป็นส่วนตัวความเชื่อมั่นได้ operationalized เป็นสองรายการที่สอดคล้องกับแต่ละการปกป้องข้อมูลและการเปิดตัว สำหรับการป้องกันข้อมูลมิติที่เราถามในระดับ 6 จุดขอบเขตที่ผู้ใช้มั่นใจของเธอ/ ความสามารถในการปกป้องข้อมูลของตัวเองนั่นคือความเชื่อมั่นในการปกป้องข้อมูล(M = 3.08, SD = 1.25; ช่วง 1-6) . ถ้อยคำสำหรับรายการนี้คือ: '' โดยรวมผมมั่นใจว่าผมสามารถปกป้อง. ความเป็นส่วนตัวออนไลน์ของฉัน '' สำหรับมิติปล่อยข้อมูลที่เราถามในระดับ6 จุดในขอบเขตที่ผู้ใช้มีความเกี่ยวข้องเกี่ยวกับ/ ข้อมูลของเขาเธอ ปล่อย - นั่นคือความกังวลปล่อยข้อมูล(M = 4.72, SD = 1.32; ช่วง 1-6) ถ้อยคำคือ: '' ผมกังวลมากเกี่ยวกับภัยคุกคามต่อความเป็นส่วนตัวของฉันในข้อมูลของวันนี้สังคม. '' นี่คือความแตกต่างที่สามารถทำให้เป็นเชิงลบและบวกประเมินตนเองของข้อมูลส่วนบุคคลของคนที่เชื่อมั่นในแต่ละมิติ ในมือข้างหนึ่งที่ผู้ใช้สามารถมีเล็ก ๆ น้อย ๆ ความเชื่อมั่นในตนเองในการประเมินความสามารถของข้อมูลที่สอดคล้องกับข้อมูลการป้องกัน ในทางกลับกันคนอาจจะเห็นการรับรู้ไม่กี่กังวลที่เกี่ยวข้องกับการปล่อยข้อมูลส่วนบุคคลออนไลน์ (cf Baek 2014). 3.2.3 ตัวแปรควบคุมเพศเป็นตัวแปรที่น่าสนใจหลัก สำหรับการควบคุมที่สองประเภทของตัวแปรที่ถูกว่าจ้าง (1) การเข้าถึงอินเทอร์เน็ตและ (2) สังคมประชากร- ครั้งแรกสำหรับตัวแปรอินเทอร์เน็ตสามรายการที่วัดประสบการณ์ออนไลน์ในกิจวัตรประจำวันตามที่พวกเขาเกี่ยวข้องกับการใช้งานที่แตกต่างของอินเทอร์เน็ต(Hargittai และ Hsieh, 2010; Park, 2013a, 2013b) (ก) รายงานการประชุมของการใช้งานอินเทอร์เน็ตในชีวิตประจำวัน(M = 297.51, SD = 303.54) (ข) จำนวนปีของประสบการณ์กับอินเทอร์เน็ต(M = 11.06, SD = 4.41) และ (ค) จำนวนสถานอินเทอร์เน็ตสำหรับผู้ตอบแบบสอบถามในแต่ละระดับ6 จุด(1 = หนึ่ง 6 = กว่าหก) (M = 2.32, SD = 1.31) ดัดแปลงมาจากHargittai และ Hinnant (2008) สำหรับตัวแปรทางสังคมและประชากร(ข้าวและแคทซ์ 2003), สี่มาตรการของรายได้ (19 ประเภทM = 12.70, SD = 3.50) การศึกษา (4 ประเภท M = 2.97, SD = 0.93) อายุ (M = 46.34 , SD = 16.24) และสถานภาพสมรส (สูงสำหรับแต่งงาน32.5%) ถูกนำมาใช้. 3.3 กลยุทธ์การวิเคราะห์การวิเคราะห์การศึกษาครั้งนี้ดำเนินการดังต่อไปนี้ ครั้งแรกที่อธิบายข้อมูลที่ระบุแตกต่างทางเพศโดยรวมในอินเทอร์เน็ตและทักษะความเป็นส่วนตัว ประการที่สองสามัญสองน้อยหลายตัวแปรถดถอยดำเนินการวิเคราะห์จาก (1) ความสัมพันธ์ bivariate, (2) รูปแบบที่เพิ่มประชากร-สังคมและ (3) รูปแบบเต็มรูปแบบที่จะเพิ่มตัวแปรอินเทอร์เน็ต ข้อกำหนดนี้จะช่วยให้แซวออก254 ยงจุนปาร์ค / คอมพิวเตอร์ในพฤติกรรมมนุษย์ 50 (2015) 252-258 ผลกระทบทางเพศได้อย่างแม่นยำในการประเมินจริงที่ควบคุมความหลากหลายของตัวแปรตามบริบทสังคมและเทคโนโลยี นี้ยังช่วยลดความเป็นไปได้ของการประมาณการลำเอียงของผลกระทบทางเพศเนื่องจากการendogeneity ต่อจากนี้ไปเราจะไม่ตีความ coeffi- cients ของตัวแปรควบคุม แทนการวิเคราะห์การถดถอยลำดับชั้นที่ช่วยให้รายละเอียดขั้นตอนโดยขั้นตอนของการบล็อกการควบคุมจะมีความเหมาะสมมากขึ้นสำหรับการตีความประชากรเป็นหลักพยากรณ์ ในที่สุดข้อตกลงปฏิสัมพันธ์ระหว่างเพศอายุและสถานภาพสมรสที่ถูกสร้างขึ้นสำหรับสมการสุดท้าย ตัวแปรที่ได้รับมาตรฐานก่อนที่จะเข้ามาเพื่อลดปัญหาที่อาจเกิดของพหุ สำหรับมิติที่ปล่อยข้อมูลการถดถอยโลจิสติกถูกจ้างสำหรับตัวแปรไบนารี

ผลลัพธ์ (ไทย) 3:

3 . วิธีการ
3.1 . ลักษณะตัวอย่าง
การวิเคราะห์อยู่บนพื้นฐานของความน่าจะเป็นตัวอย่างแห่งชาติของผู้ใช้อินเทอร์เน็ต
419 ( อายุ 18 และรุ่นเก่า ) ความรู้เครือข่าย
( KN ) คัดเลือกกลุ่มตัวอย่างโดยใช้การสุ่มตัวเลขในปี 2551 โทร .
ผู้เรียน ให้มีการสำรวจออนไลน์ ,
ซึ่งใช้เวลาประมาณ 10 - 12 นาทีให้เสร็จสมบูรณ์ ต้นฉบับขนาดตัวอย่าง
คือ 456 ,กับความสมบูรณ์อัตรา 69% ( 456 เสร็จจาก 663
ติดต่อ ) และรายการตรวจสอบตรวจสอบลดสุดท้ายชุดข้อมูล

ถ้าตอบ การกระจายของประชากรตัวอย่างของเรา
ไม่มากที่แตกต่างจากประชากรทั่วไป เช่น รายงานการสำรวจ

ชุมชนอเมริกัน 2010 สหรัฐอเมริกาการสำรวจสำมะโนประชากร ( ACS ) ในข้อมูลทั้งสองชุด ระดับการศึกษาเฉลี่ยสำหรับ
ที่ 25 ขึ้นไป คือ มหาวิทยาลัย รายได้ของครัวเรือน ( ค่ามัธยฐาน
ใน ACS และการศึกษาในปัจจุบันคือ $ 50 , 000 และ $ 60 , 000 –– 74999
74999 ตามลำดับ ) เพศ ( หญิงใน ACS และ
จำนวน 52.4 % และ 53.6 % ) และอายุ ( อายุมัธยฐานสำหรับ
18 หรือเก่าใน ASC และการศึกษาปัจจุบัน 45 - 54 47
ตามลำดับ ) คล้ายกับโปรไฟล์ของประชากรทั่วไป .
เราเปรียบเทียบลักษณะของผู้เข้าร่วมกับบรรดา
2009 FCC ผู้ใช้อินเทอร์เน็ตบรอดแบนด์ ตัวอย่าง นี่คือบางส่วนของ
จำกัดในตัวอย่างของเราสมควรให้ความสนใจ . ครั้งแรก , อายุและระดับรายได้ในการศึกษาของเรา

จำนวนสูงกว่าใน 2009 FCC ตัวอย่าง ยังไม่ใช่ Hispanic สีขาวผู้ใช้สร้างขึ้น
77 % ของตัวอย่างของเรา ในขณะที่นี้ใกล้เคียงกับรูปใน FCC
จำนวนผู้ใช้อินเทอร์เน็ตบรอดแบนด์ ( 76% ) ตัวเลขนี้ยังคง
สูงกว่าใน 2010 เราสำรวจสำมะโนประชากรรายงาน ( 60 % ) ดังนั้นผู้อ่านควรแนะนําด้วย

ข้อควรระวังเกี่ยวกับขอบเขตที่เราสามารถอนุมานผลการศึกษา .
2 . มาตรการดำเนินงาน
. การป้องกันความเป็นส่วนตัวและปล่อย
หนึ่งในเป้าหมายหลักในการศึกษาของเราเป็นการศึกษาการแสดง
หรือขาดช่องว่างทางเพศในความเป็นส่วนตัวและพฤติกรรมที่เกี่ยวข้องกับความเชื่อมั่นใน 2 มิติ

( 1 ) และ ( 2 ) ข้อมูลการปล่อย มิติของการปกป้องข้อมูลถูก elaborated
เป็น ( a ) และ ( b ) พฤติกรรมทางสังคมในการป้องกันข้อมูลขณะที่
พันในอินเทอร์เน็ตใช้ทุกวัน ( hargittai ลิทลิท& 2556 2013 , ;
; มาร์กซ์ , 2003 ; สวนสาธารณะ 2013b 2013A , 'sociotechnical ' , '
' ทุน )โดยศึกษารายงานขอบเขตที่พวกเขา
เกี่ยวข้องในแต่ละข้อมูลที่ควบคุมพฤติกรรมใน
หน้าขนาดตั้งแต่ไม่ไปบ่อยมาก รายการที่ 8
( M = 25.04 , SD = 1.41 ช่วงที่ 1 ( 48 ) ถูกใช้ในการสร้างดัชนีคอมโพสิต
สำหรับพฤติกรรมทางสังคม ( = 80 ) สำหรับพฤติกรรมเทคนิค
เราวัดสี่รายการ ( M = 13.07 , SD = 5.10 ช่วงที่ 1 ( 24 )
และต่อมารวมไว้ในดัชนีคอมโพสิต ( = . 70 ) ดัดแปลงจากวรรณกรรมเท่าที่มีอยู่ (
acquisti &ขั้นต้น , 2006 ;
hargittai ลิท& , 2014 ; Pew Internet 2007 ) ( ดูรายการใน ตารางที่ 1 ) มิติของการปล่อยข้อมูลส่วนบุคคล
มีรายละเอียดเป็นสองนารี
รายการ ( ก ) แสดงการคลิกโฆษณา ( M = 0.32 , SD = 0.46 ; ช่วง 0 - 1 )
( b ) การแลกเปลี่ยนในการเลือก ( M = 0.70 , S.D . = 0.45 ; ช่วง 0 – 1 )สำหรับการแสดงผล
การคลิกโฆษณาในกลุ่มตัวอย่างถูกถามว่าพวกเขาได้เคย
คลิกแสดงโฆษณาออนไลน์เพื่อเรียนรู้เกี่ยวกับผลิตภัณฑ์
หรือบริการ สำหรับการแลกเปลี่ยนในการเลือก พวกเขาถูกถามว่าพวกเขาได้เคยแลก
ข้อมูลส่วนบุคคลฟรีรางวัลเช่นส่วนลด หรือของขวัญ
.
3.2.2 . ความเชื่อมั่นความมั่นใจ
ความเป็นส่วนตัวที่ถูก operationalized เป็นสองรายการที่สอดคล้อง
แต่ละของการปกป้องข้อมูลและเผยแพร่ สำหรับการป้องกัน
ข้อมูลมิติ เราถามบนหน้าขนาดขอบเขตที่
ผู้ใช้มั่นใจของเธอ / ความสามารถในการคุ้มครองข้อมูลส่วนบุคคลของเขาเอง นั่นคือ ความคุ้มครอง
ข้อมูล ( M = 3.08 , SD = 1.25 ; ช่วง 1 – 6 )
ขอรายการนี้คือ : ' 'overall ผมมั่นใจว่าผมจะสามารถปกป้อง
ออนไลน์ความเป็นส่วนตัวของฉัน . ' ' สำหรับการเผยแพร่ข้อมูลมิติ เราถาม
ในระดับหน้าไปยังขอบเขตที่ผู้ใช้กังวล
เกี่ยวกับของเขา / เธอ ปล่อย –ข้อมูลที่เป็นข้อมูล ปล่อยความกังวล
( M = 4.72 , SD = 1.32 ; ช่วง 1 – 6 ) คําเตือน : " ฉันเป็นกังวลมากเกี่ยวกับการคุกคามความเป็นส่วนตัวของฉัน

วันนี้ในสังคมข้อมูล . " ที่นี่แตกต่างสามารถทำให้เป็นบวกและลบข้อมูลส่วนบุคคลของตนเอง

มั่นใจในแต่ละมิติ ในมือข้างหนึ่ง ผู้ใช้สามารถมีเล็ก ๆน้อย ๆที่ตนเองประกัน
ในการประเมินข้อมูลความสามารถสอดคล้องกับข้อมูล
การป้องกัน บนมืออื่น ๆคนอาจจะเห็นเพียงไม่กี่ของความกังวลที่เกี่ยวข้องกับข้อมูลส่วนบุคคลออนไลน์
ปล่อย ( CF . แบค 2014 )
3.2.3 . ตัวแปรควบคุม คือ ตัวแปรเพศ
สนใจหลัก ควบคุม ,
สองชนิดของตัวแปรที่ใช้ :( 1 ) การเข้าถึงอินเทอร์เน็ตและ
( 2 ) สังคมสถิติ อย่างแรก สำหรับตัวแปร การเข้าถึงอินเทอร์เน็ต , 3
รายการวัดออนไลน์ประสบการณ์ในชีวิตประจำวันเป็นพวกเขา
ที่เกี่ยวข้องกับความแตกต่างในการใช้อินเตอร์เน็ต ( hargittai & Hsieh
2010 ; สวนสาธารณะ ที่มีมากกว่า 2013b , ) : ( 1 ) นาทีใช้อินเทอร์เน็ตทุกวัน
( M = 297.51 , SD = 303.54 ( B ) ) จำนวนปีของประสบการณ์กับอินเทอร์เน็ต
( m = 11.06 , SD = 441 ) และ ( ค ) หมายเลขของสถานที่การเข้าถึงอินเทอร์เน็ตในแต่ละเลย

ขนาดหน้า ( 1 = 1 , 6 = มากกว่าหก ) ( M = 2.32 , SD = 1.31 ) ดัดแปลงจาก
hargittai และ hinnant ( 2008 ) สำหรับสังคมประชากร
( ข้าว& Katz , 2003 ) , สี่มาตรการของรายได้ ( 19 ประเภท
M = 12.70 , SD = 3.50 ) , การศึกษา ( 4 ประเภท , M = 2.97 ,
SD = 0.93 ) , อายุ ( M = 46.34 , SD = 16.24 )และสถานภาพสมรส ( สูง
แต่งงาน , 32.5 % ) ใช้ .
3 . วิเคราะห์กลยุทธ์
การวิเคราะห์การดำเนินการ ดังนี้ แรก , ข้อมูลเชิง
ระบุโดยความแตกต่างใน
อินเตอร์เน็ตและทักษะส่วนบุคคล ที่สอง , Ordinary Least Squares multivariate
ถดถอยพหุ เริ่มจาก ( 1 ) โดยใช้ความสัมพันธ์ ,
( 2 ) แบบจำลองที่เพิ่มข้อมูลประชากรและ ( 3 ) แบบเต็มที่
เพิ่มตัวแปรการเข้าถึงอินเทอร์เน็ต คุณสมบัตินี้ช่วยให้ล้อออกมา
254 ห้องปฏิบัติการคอมพิวเตอร์ในสวนสาธารณะ / พฤติกรรมมนุษย์ 50 ( 2015 ) 252 – 258
แม่นยำเพศผลในมีเหตุผลการประเมินที่ควบคุมตัวแปรและบริบทสังคม
หลากหลายเทคโนโลยี นี้จะช่วยลดความเป็นไปได้ของ
-
ลำเอียงประมาณการผลเนื่องจาก endogeneity . นับจากนี้ไปเราไม่ได้แปล coeffi -
cients ควบคุมตัวแปร ; แทน , การถดถอยการวิเคราะห์
ซึ่งอนุญาตให้ทีละขั้นตอน คุณสมบัติของบล็อกการควบคุม
จะเหมาะสมสำหรับการตีความประชากรเป็นปัจจัยหลัก

ในที่สุด ปฏิสัมพันธ์ ข้อตกลงระหว่างเพศ อายุ สถานภาพสมรสและ
ถูกสร้างขึ้นสำหรับสมการสุดท้าย ตัวแปร
เป็นมาตรฐานก่อนรายการ เพื่อลดปัญหาที่อาจเกิดขึ้น
ค่า . สำหรับการเผยแพร่ข้อมูลมิติสมการถดถอยโลจิสติก
ได้แก่ตัวแปรฐานสอง