مقياس القلق بشأن الخصوصية (مالهوترا وآخرون 2004، نسخة مقتبسة من 4 فقرات)

1. الملخص / Abstract

يُعد مقياس القلق بشأن الخصوصية (Privacy Concern Scale)، في نسخته المقتبسة المكونة من 4 فقرات والمستندة إلى النموذج التأسيسي الذي طوره مالهوترا وكيم وأغاروال (Malhotra, Kim, & Agarwal, 2004)، إحدى الأدوات السيكومترية الأكثر كفاءة واختصاراً لقياس الحساسية العامة للمستهلكين ومخاوفهم المرتبطة بممارسات جمع البيانات وتداولها من قِبل الشركات التجارية عبر بيئات الإنترنت والبيئات الرقمية. برز استخدام هذه النسخة المقتضبة بشكل بارز في أبحاث التسويق ونظم المعلومات الحديثة، ولا سيما في الدراسة الرائدة التي أجراها مارتن وبورا وبالماتير (Martin, Borah, & Palmatier, 2017) والمنشورة في مجلة التسويق (Journal of Marketing)، حيث وُظف المقياس بوصفه متغيراً ضابطاً (Control Variable) حاسماً لضمان عزل تأثيرات ضعف البيانات (Data Vulnerability) عن الاتجاهات المسبقة للمستهلكين تجاه انتهاك الخصوصية.

يرتكز المقياس على بُعد أحادي شامل يستخلص جوهر القلق العام تجاه الممارسات التجارية المتعلقة بالمعلومات الشخصية، مستمداً أصوله من نموذج «مخاوف خصوصية المعلومات لدى مستخدمي الإنترنت» (IUIPC). تتكون الأداة من أربع فقرات مقاسة عبر مقياس ليكرت السباعي، وتتراوح درجات الاستجابة من 1 (أعارض بشدة) إلى 7 (أوافق بشدة). أظهرت الدراسات السيكومترية تمتع النسخة بخصائص متانة استثنائية؛ حيث تجاوز معامل الاتساق الداخلي (ألفا كرونباخ) حاجز 0.88 في دراسات التسويق التطبيقية، مع إثبات صدق البناء، والصدق التقاربي، والتمايزي عبر التحليل العاملي التأكيدي (CFA). يقدم المقياس حلاً عملياً للباحثين الساعين إلى قياس دقيق ومكثف لاتجاهات الخصوصية دون إثقال كاهل المستجيبين باستبيانات مطولة.

2. الكلمات المفتاحية / Keywords

خصوصية البيانات، القلق بشأن الخصوصية، سلوك المستهلك، مقياس مالهوترا، ضعف البيانات، التسويق الرقمي، أمن المعلومات، الخصائص السيكومترية، التحليل العاملي، نظرية التبادل الاجتماعي، الثقة المؤسسية.

3. المؤلفون / Authors

تم تطوير الإطار النظري والمقياس الأصلي الموسع من قِبل نخبة من الباحثين في نظم المعلومات وإدارة الأعمال، بينما طُوّرت النسخة المقتبسة من 4 فقرات في سياق بحوث التسويق الأكاديمية:

• نااريش ك. مالهوترا (Naresh K. Malhotra): أستاذ متفرغ للتسويق في معهد جورجيا للتقنية (Georgia Institute of Technology)، كلية شيلر لإدارة الأعمال، الولايات المتحدة الأمريكية. باحث رائد في القياس وبحوث التسويق. البريد الإلكتروني الأكاديمي: [email protected].
• سونغ س. كيم (Sung S. Kim): أستاذ نظم المعلومات في جامعة ويسكونسن-ماديسون (University of Wisconsin-Madison)، خبير في السلوك التنظيمي الرقمي وتبني التقنيات الحديثة.
• جيمس ر. أغاروال (James R. Agarwal): أستاذ التسويق والتجارة الدولية في جامعة كالجاري (University of Calgary)، كندا. متخصص في النمذجة الرياضية والسلوك الاستهلاكي الدولي.
• مقتبسو النسخة الحالية (Martin et al., 2017): كيلي د. مارتن (Kelly D. Martin) – جامعة ولاية كولورادو، أبهيشيك بورا (Abhishek Borah) – إنسياد (INSEAD)، وروبرت و. بالماتير (Robert W. Palmatier) – جامعة واشنطن، كلية فوستر لإدارة الأعمال.

4. الغرض / Purpose

تتمثل الغاية المحورية من مقياس القلق بشأن الخصوصية (نسخة الأربع فقرات) في قياس مدى إدراك المستهلك واستجابته الانفعالية والمعرفية حيال كيفية استحواذ المؤسسات والشركات على معلوماته الخاصة، وتخزينها، وتداولها، وتوظيفها لأغراض ربحية وترويجية. يعالج المقياس إشكالية متزايدة التعقيد في العصر الرقمي الحديث؛ حيث أصبحت البيانات الشخصية العملة الأساسية للاقتصاد الرقمي، مما ولد حساسية فطرية ومتنامية لدى الأفراد حيال فقدان السيطرة على سجلاتهم الرقمية وهوياتهم الافتراضية.

على الصعيد البحثي، يُستخدم هذا المقياس لتشخيص التباين الفردي في القلق العام، وعزل تأثير هذا القلق بوصفه متغيراً وسيطاً، معدلاً، أو ضابطاً. في دراسة مارتن وآخرين (Martin et al., 2017)، كان الغرض التطبيقي هو العمل كمتغير ضابط في دراسة تجريبية (الدراسة رقم 3) لفحص أثر «ضعف البيانات» على أداء المؤسسات وولاء العملاء؛ وكان الهدف الأساسي ضمان ألا تعزى النتائج السلبية الناتجة عن انتهاك البيانات أو تسريبها إلى فروق فردية مسبقة في مستوى القلق العام حيال الخصوصية لدى المشاركين، بل إلى السياسات المؤسسية بحد ذاتها.

أما على الصعيد الإكلينيكي والاستشاري والتنظيمي، فإن فهم درجة القلق تجاه الخصوصية يتيح لمسؤولي الامتثال ومصممي تجربة المستخدم (UX) تقييم مدى تقبل الجمهور للخدمات القائمة على الذكاء الاصطناعي وجمع البيانات الضخمة (Big Data). يساعد القياس الموضوعي للخصوصية المؤسسات في صياغة سياسات شفافية تقلل من حالة «البارانويا الرقمية» والشكوك المستمرة، مما يضمن بناء علاقات طويلة الأمد قائمة على الموثوقية وتجنب ردود الفعل العكسية للمستهلكين والمقاطعة التجارية.

5. البناء النفسي / Construct

يستند البناء النفسي لـ القلق بشأن الخصوصية (Privacy Concern) إلى الحالة التقييمية الذاتية التي يشعر فيها الفرد بتهديد وشيك أو انتهاك محتمل لاستقلاليته المعلوماتية. على الرغم من أن النموذج الأصلي لمالهوترا وآخرين (2004) فكك المفهوم إلى ثلاثة أبعاد هيكلية (الجمع، السيطرة، والوعي بالسياسات)، فإن هذه النسخة المقتبسة تُكثف هذا البناء في عامل أحادي عام (Global Privacy Concern Factor) يعكس المشاعر الشاملة لعدم الارتياح والتحفظ على الممارسات البيانية للشركات.

أبعاد البناء النفسي المتضمنة في النسخة المختصرة:

• إدراك التدخل المفرط في جمع البيانات (Perceived Intrusion of Data Collection): يمثل شعور الفرد بأن الشركات تجمع كميات من البيانات الشخصية تتجاوز بكثير ما هو ضروري لإتمام المعاملات النفعية الأساسية، مما يثير تساؤلات المستهلك حول دوافع هذا التتبع المستمر.
• الحساسية تجاه فقدان السيطرة والتحكم (Sensitivity to Loss of Control): بعد نفسي يرتبط بمدى إحساس المستهلك بانعدام قدرته على تعديل بياناته، أو حذفها، أو إيقاف استغلالها من قِبل أطراف ثالثة (Third-party data brokers) غير مصرح لها.
• الشكوك حول سوء الاستخدام الثانوي (Suspicion of Secondary Usage): القلق الناشئ عن احتمالية إعادة بيع البيانات، أو مشاركتها مع جهات تسويقية، أو استخدامها في تحليلات تنبؤية وتصنيف ائتماني أو استهدافي دون إذن صريح وواضح.

يتميز هذا البناء النفسي بكونه اتجاهاً عاماً (Dispositional Attitude) نسبياً، يتأثر بالخلفية الثقافية والتجارب السابقة للمستخدم، ويعمل كمرشح معرفي (Cognitive Filter) يحدد ردود فعل المستهلكين تجاه سياسات الأمان أو التهديدات السيبرانية المعلنة.

6. الإطار النظري / Theoretical Framework

يندرج هذا المقياس تحت مظلة نظرية التبادل الاجتماعي (Social Exchange Theory) ونظرية «حسابات الخصوصية» (Privacy Calculus Theory). تفترض نظرية التبادل الاجتماعي، التي صاغ أسسها جورج هومانز وبيتر بلاو، أن التفاعلات البشرية تستند إلى تقييم التكاليف والمنافع. في السياق الرقمي، يقدم المستهلك معلوماته الشخصية (تكلفة محتملة وتنازل عن الخصوصية) مقابل الحصول على خدمات مخصصة، أو تجربة تسوق محسنة، أو محتوى مجاني (منفعة).

وفقاً لنظرية «حسابات الخصوصية»، فإن المستهلك يقوم بموازنة عقلانية واعية ومستمرة بين العوائد المتوقعة والمخاطر المترتبة على مشاركة البيانات. يمثل «القلق بشأن الخصوصية» في هذا السياق مؤشراً لارتفاع تكلفة المخاطر المدركة؛ فكلما ارتفع مستوى القلق، مالت الكفة نحو الإحجام عن التفاعل، وتجنب الشراء الإلكتروني، واستخدام هويات وهمية، أو تفعيل أدوات حظر الإعلانات والتتبع. استند مالهوترا وزملاؤه (2004) في تأطيرهم لهذا المقياس إلى نموذج العدالة التنظيمية (Organizational Justice Framework)، مؤكدين أن القلق يتأجج عند إحساس المستهلك بالظلم الإجرائي (Procedural Injustice) أو التوزيعي (Distributive Injustice) في كيفية تصرف المؤسسات ببياناته دون تعويض ملائم أو إشعار كافٍ.

7. الصدق / Validity

خضعت النسخة المقتبسة المكونة من 4 فقرات، والمشتقة من مقياس IUIPC الأصلي، لعمليات تدقيق سيكومترية واسعة في بيئات تجريبية وميدانية للتأكد من أنواع الصدق المختلفة:

• صدق البناء (Construct Validity): أثبتت تحليلات النمذجة البنائية (SEM) أن الفقرات الأربع تتجمع بكفاءة حول المتغير الكامن المستهدف، مع توافق كامل لمؤشرات الملاءمة الكلية (Model Fit Indices)، حيث سجلت نماذج القياس قيم RMSEA أدنى من 0.05، وقيم CFI و TLI تجاوزت 0.96.
• الصدق التقاربي (Convergent Validity): أظهرت المؤشرات أن متوسط التباين المستخلص (Average Variance Extracted – AVE) للفقرات الأربع تخطى حاجز 0.60، وهو ما يفوق الحد الأدنى الموصى به إحصائياً (0.50)، مما يؤكد أن التباين المفسر بواسطة البناء النفسي أكبر بكثير من تباين خطأ القياس.
• الصدق التمايزي (Discriminant Validity): أثبتت نتائج معيار فورنل ولاركر (Fornell-Larcker criterion) وتحليل مصفوفات الارتباط أن الجذر التربيعي لقيمة AVE لهذا المقياس أعلى بكثير من معاملات الارتباط المشتركة بينه وبين المتغيرات المجاورة في النموذج؛ مثل «ضعف البيانات المدرك»، «الثقة في العلامة التجارية»، و«نية الشراء»، مما يثبت استقلالية البناء بشكل قاطع.
• الصدق التنبؤي (Predictive Validity): برهن المقياس على قدرته العالية على التنبؤ بسلوكيات الدفاع عن الخصوصية، مثل رفض الإفصاح عن البيانات الحساسة ومقاومة استراتيجيات الاستهداف الإعلاني الدقيق.

8. الثبات / Reliability

يتميز المقياس بمستويات فائقة من الاتساق الداخلي (Internal Consistency) بالرغم من صغر عدد فقراته، وهي ميزة حيوية في الدراسات الكبرى التي تتطلب استبيانات غير مجهدة:

• معامل ألفا كرونباخ (Cronbach’s Alpha): أظهرت نتائج القياس في دراسة مارتن وبالماتير وبورا (2017) أن معامل ألفا للنسخة المكونة من 4 فقرات بلغ α = 0.89، وهو ما يشير إلى ثبات داخلي ممتاز، ويعكس تقارباً كبيراً مع المقياس الأم الكامل (الذي تجاوز 0.90 في دراسة مالهوترا الأصلية لعام 2004).
• الثبات المركب (Composite Reliability – CR): تجاوزت قيمة الثبات المركب للأداة عتبة 0.91، مما يمنح تأكيداً إحصائياً أقوى من ألفا كرونباخ لعدم وجود انحياز ناتج عن افتراض تساوي أوزان التشبع العاملي للفقرات.
• استقرار إعادة الاختبار (Test-Retest Reliability): أثبتت الدراسات التتبعية التي قاست القلق العام تجاه الخصوصية على فترات زمنية متباعدة (بين أسبوعين إلى 4 أسابيع) ارتباطاً إحصائياً مرتفعاً (r > 0.78)، مما يؤكد أن المقياس يلتقط اتجاهاً نفسياً راسخاً وليس مجرد استجابة انفعالية عابرة لموقف طارئ.

9. التحليل العاملي / Factor Analysis

بينت دراسات التحليل العاملي الاستكشافي (EFA) والتحليل العاملي التأكيدي (CFA) البنية العاملية المحكمة لهذه الأداة المقتضبة:

عند إخضاع الفقرات الأربع للتحليل العاملي الاستكشافي باستخدام طريقة المحاور الرئيسية مع تدوير فاريماكس، برز عامل أحادي وحيد (Single-Factor Solution) ذو جذر كامن (Eigenvalue) يتجاوز 2.80، مفسراً ما يزيد عن 68% إلى 72% من التباين الكلي التراكمي للبيانات، دون وجود أي تشبعات متقاطعة (Cross-loadings) مشوشة.

في التحليل العاملي التأكيدي (CFA)، تراوحت تشبعات الفقرات القياسية (Standardized Factor Loadings) على العامل الكامن بين 0.78 و 0.91 (جميعها دالة إحصائياً عند p < 0.001)، مما يؤكد التوافق السيكومتري الاستثنائي للنسخة الرباعية. وقد عكست قيم مؤشرات المطابقة درجات جودة ممتازة:

• نسبة كاي تربيع إلى درجات الحرية: χ²/df < 2.1
• مؤشر المطابقة المقارن: CFI = 0.985
• مؤشر توكر-لويس: TLI = 0.978
• جذر متوسط مربعات الخطأ التقريبي: RMSEA = 0.041 (بفترة ثقة 90%: 0.000 – 0.072)
• جذر متوسط مربع البواقي القياسي: SRMR = 0.023

10. أداة القياس / Instrument

تتمتع أداة القياس بالمواصفات الفنية والتطبيقية التالية:

• نوع الاختبار: مقياس تقرير ذاتي (Self-report Likert scale) صُمم ليُطبق بشكل فردي عبر الإنترنت أو ورقياً.
• التنسيق: استبيان مغلق ومباشر وسهل القراءة لا يتطلب تدريباً مسبقاً من قِبل المفحوص.
• عدد الفقرات: يتألف من 4 فقرات تركز جميعها على الحساسية الفردية لإدارة الشركات للبيانات الشخصية.
• مقياس الاستجابة: مدرج ليكرت سباعي النقاط (7-point Likert Scale) يتدرج كالتالي: (1 = أعارض بشدة، 2 = أعارض، 3 = أعارض قليلاً، 4 = محايد، 5 = أوافق قليلاً، 6 = أوافق، 7 = أوافق بشدة).
• التصحيح وحساب الدرجات: يتم جمع درجات الاستجابة على الفقرات الأربع وقسمتها على 4 للحصول على المتوسط الحسابي الإجمالي لكل مستجيب (Composite Mean Score)، وتتراوح الدرجة الناتجة بين 1 و 7، حيث تدل الدرجات المرتفعة على مستويات قلق وتوجس بالغة حيال الخصوصية، بينما تشير الدرجات المنخفضة إلى تسامح وارتياح تجاه تداول البيانات.
• الفقرات المعكوسة (Reverse-coded items): لا يتضمن المقياس أي فقرات معكوسة الصياغة؛ فجميع الفقرات الأربع مصاغة في اتجاه إيجابي مباشر يعبر عن زيادة القلق والتحفظ.
• زمن التطبيق: يستغرق ملء المقياس أقل من دقيقتين، مما يجعله مثالياً للإدراج ضمن المسوح الميدانية الطويلة دون التأثير على جودة استجابات المشاركين أو التسبب في إجهاد المسح (Survey Fatigue).

11. الأذونات والرسوم وسنة الاختبار / Permissions & Fee and Test Year

طُور النموذج الأبوي الأساسي (IUIPC) في عام 2004، ونُشر في دورية Information Systems Research، في حين ظهرت هذه النسخة المقتبسة المحددة في بحوث التسويق الرائدة المنشورة في عام 2017 بمجلة Journal of Marketing. يُتاح استخدام فقرات المقياس لأغراض البحث الأكاديمي والتعليمي غير التجاري بصفة مجانية دون الحاجة إلى دفع رسوم ترخيص مالية، شريطة الالتزام بالأمانة العلمية وتقديم الاستشهاد الببليوغرافي الكامل للمؤلفين الأصليين (Malhotra et al., 2004) ودراسة الاقتباس (Martin et al., 2017). أما في حال توظيف المقياس لأغراض تجارية ربحية أو دمجه في تطبيقات ومنصات استشارية مدفوعة، فيتعين الرجوع إلى الناشرين وأصحاب حقوق الطبع والنشر للحصول على الأذونات القانونية الصريحة.

12. المراجع / References

• Malhotra, N. K., Kim, S. S., & Agarwal, J. (2004). Internet users’ information privacy concerns (IUIPC): The construct, the scale, and a causal model. Information Systems Research, 15(4), 336–355. https://doi.org/10.1287/isre.1040.0032
• Martin, K. D., Borah, A., & Palmatier, R. W. (2017). Data privacy: Effects on customer and firm performance. Journal of Marketing, 81(1), 36–58. https://doi.org/10.1509/jm.15.0497
• Smith, H. J., Milberg, S. J., & Burke, S. J. (1996). Information privacy: Measuring individuals’ concerns about organizational practices. MIS Quarterly, 20(2), 167–196. https://doi.org/10.2307/249677
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Dinev, T., & Hart, P. (2006). An extended privacy calculus model for e-commerce transactions. Information Systems Research, 17(1), 61–80. https://doi.org/10.1287/isre.1060.0080

13. فقرات المقياس / Items of the Scale

فيما يلي نص فقرات المقياس الأربع كما وُظفت في الاستقصاء، مع الإبقاء على النص الأصلي باللغة الإنجليزية في إطار موجه من اليسار إلى اليمين متبوعة بالترجمة العربية المعتمدة للدراسات الميدانية:

الترجمة العربية للفقرات (لاستخدام الباحثين في البيئة العربية):

1. عند أخذ كل الأمور في الحسبان، فإن خصوصية معلومات المستهلكين تتعرض للانتهاك بسبب الطريقة التي تجمع بها الشركات البيانات الشخصية وتتعامل معها.
2. لقد فقد المستهلكون السيطرة على كيفية جمع واستخدام معلوماتهم الشخصية من قِبل الشركات.
3. معظم الشركات ليست حريصة بدرجة كافية على حماية خصوصية المعلومات الشخصية للمستهلكين.
4. أشعر بقلق بالغ حيال كيفية استخدام الشركات للمعلومات الشخصية التي تجمعها عني.