社交距离和应用程序使用作为对抗COVID-19大流行的补充措施的动机:定量调查研究

简介

背景

世界卫生组织已宣布COVID-19疫情为全球大流行[1］．治疗方法和疫苗的开发很早就开始，仍然是高度优先事项[2，3.];然而，目前尚无有效的疫苗或药物治疗[4］．此外，在许多国家，更大范围停产的负面社会和经济后果已经显而易见。5];因此，正在采取措施恢复社会和经济生活。最关键和最具挑战性的任务是在最大限度地减少感染风险的同时恢复公共生活。除手部卫生及戴口罩外[6]，通过保持社交距离来减少人与人之间的互动，是一项有效和普遍的公共卫生措施，可降低病毒在社区内感染和传播的风险[7］．若干国家目前的事态发展表明，这一措施在技术上可能伴随着移动应用程序。事实上，应用商店已经提供了大量与当前大流行相关的应用程序;与此同时，隐私问题正被广泛讨论。[8］．因此，目前的研究主要集中在联系人追踪应用程序的伦理方面。9，10]以及针对这类应用程序的道德准则已经制定[11］．与此同时，越来越多的国家政府正在传播接触者追踪应用程序，以帮助控制大流行;这些应用程序在技术方法上存在显著差异[12］．重要的是，移动应用程序的效用已经在以前的流行病背景下得到了检验，例如2014年至2016年在西非爆发的埃博拉疫情[13，14］．鉴于目前社交距离和使用移动应用程序作为对抗COVID-19大流行的补充措施的相关性，在这项研究中，我的目的是研究可能构成人们社交距离动机的中心认知变量，使用应用程序，并提供两个应用程序所要求的与健康相关的数据，这两个应用程序对个人用户的直接效用不同。调查结果将有助于增进我们对人民关切和信念的理解，然后可以通过面向公众的传播战略和适当的政治决策来具体解决这些问题。

大流行期间最突出的技术概念之一是接触追踪，例如由泛欧隐私保护接近追踪倡议开发的应用程序概念。一般来说，智能手机的蓝牙连接是用来“检测两个人是否有足够近的身体接触，从而有感染的风险”。15)。”当用户与新冠病毒SARS-CoV-2感染者有过严重接触(时间跨度和空间接近)时，应用程序会通知用户，以便用户采取适当的措施。重要的是，每个应用程序用户都自愿提供他们的感染状态，不应该被其他应用程序用户识别，因为关键接触者的信号会有时间延迟。

第二种应用程序类型由罗伯特·科赫研究所(Robert Koch Institute)提供，该研究所是德国联邦政府在疾病监测和预防领域的中心机构。该应用程序的官方名称为Corona Data Donation app(数据捐赠应用程序)，它连接到个人用户的数字可穿戴设备(例如，智能手表和健身追踪器);它持续跟踪与用户健康和日常活动相关的数据(如心率和睡眠节奏)以及其他个人数据，包括邮政编码、体重、年龄和性别。根据官方的应用程序描述，应用程序用户的身份是不可能的。然而，个人用户不会从使用这种应用类型中获得直接好处，因为它不提供任何反馈。相反，所有数据都由罗伯特·科赫研究所集中收集，以创建不同的地图，可以指示和促进具体的地方措施。重要的是，使用数据捐赠应用程序和提供此应用程序请求的个人数据基本上是相同的。相比之下，使用接触者追踪应用程序和自愿向该应用程序提供自己的感染状态是独立的衡量标准。关注这些非常不同的功能帐户，以检查用户的评价和使用动机是具体的还是一般的，这似乎很重要。

保护动机理论与社会距离

本研究涉及保护动机理论(PMT)。这一理论最初是在健康科学背景下的期望价值方法的基础上发展起来的，用于解释基于威胁和应对评估过程的预防行为[16］．荟萃分析(17，18]表明该理论的组成部分可靠地解释了保护动机。最近的一些研究支持了这些发现，这些研究不仅限于与健康相关的问题，如皮肤癌预防[19]或有意接受季节性流感疫苗注射的人士[20.］．例如，Tsai等人[21]成功地将PMT应用于互联网用户制定安全预防措施的动机，Marett等人[22]用它来解释在社交网站上发布个人信息所带来的风险的适应性和不适应性反应，Vance等人[23]发现PMT的大多数组成部分与员工遵守信息安全政策的意愿显著相关。此外，一项元分析[24揭示了PMT在信息安全行为的背景下特别有效，如果行为是自愿的和具体的，潜在的安全威胁是针对个人而不是其他人或个人的组织。在使用接触追踪应用程序和数据捐赠应用程序时，这些条件都得到了满足。因此，PMT是一个非常强大和灵活的理论，适用于健康相关和技术相关的动机，这使它有资格用于本研究。

一般而言，PMT包括对潜在风险的威胁评估(如感染SARS-CoV-2)和对建议的预防行为的应对评估(如社交距离)。威胁评估包括感知不良行为负面后果的严重性和脆弱性。这两个变量越明显，执行推荐行为的动机就越高。威胁评估还包括与不执行推荐行为相关的感知奖励，抵消保护动机。应对评价包括对推荐行为的自我效能感和反应效能感，对个体主动防范风险的意愿产生正向影响。应对评估还包括感知的反应成本，它抵消了保护动机。关于通过保持社交距离预防SARS-CoV-2感染，产生了以下假设:

H1a:感知到的感染严重程度与保持社交距离的动机呈正相关。

H1b:对感染的感知脆弱性与保持社交距离的动机呈正相关。

H1c:与避免社交距离相关的感知奖励与社交距离的动机呈负相关。

H2a:保持社交距离的自我效能感与保持社交距离的动机呈正相关。

H2b:社交距离感知反应效能与社交距离动机呈正相关。

H2c:社交距离的感知反应成本与社交距离的动机呈负相关。

除了这些标准PMT变量之外，还添加了信任(参见图1)．卢梭等[25他将信任定义为“一种心理状态，基于对他人的意图或行为的积极预期，人们愿意接受脆弱。”事实上，由于保持社交距离是一种只有在集体行动时才有效的措施，对他人保持社交距离行为的信任似乎是一个关键组成部分。然而，有两种现象是可以想象的:在社会交换理论方面[26]和互惠的概念[27]，对他人愿意充分保持社交距离的更高信任，可能会增加个人保持社交距离的动机。这种关系将反映出抗击当前大流行病所需的团结所带来的好处[28，29］．或者，就减少自己感染风险的补偿机制而言，对他人社交距离行为的信任与自己的保护动机之间存在负相关关系是可以想象的。因此，提出了以下无向假设:

H3a:对他人保持社交距离行为的信任与自身保持社交距离的动机相关。

‎ 查看此图

使用应用程序和提供个人数据的动机

关于使用应用程序和提供个人数据，出现的问题是，相应的动机是否与构成保护动机的认知变量有关，还是这是完全不同的评估过程。根据这个问题的答案，可以制定适当的公共传播策略，以支持对不同应用类型的实际评估和接受。鉴于接触追踪应用程序的主要目的是告知用户与感染者的重要接触者，因此，对SARS-CoV-2感染的感知严重程度和脆弱性可能与使用此类应用程序的动机呈正相关。避免社交距离的感知奖励也可能与应用程序的使用动机相关。相比之下，对社交距离的应对评估不应该与使用接触者追踪应用程序的动机有关。一般来说，接触者追踪应用程序和数据捐赠应用程序都不能真正帮助个人用户主动预防感染。关于向这两种应用程序类型提供个人数据的动机，威胁和应对评估不应该显示出关系，因为提供这些信息只对其他用户(联系人追踪应用程序)或研究人员和政策制定者(数据捐赠应用程序)有用。因此，制定了以下开放式研究问题:

RQ1a:应用程序的使用动机和数据提供是否与SARS-CoV-2感染的威胁评估有关?

RQ1b:应用程序使用和数据提供的动机是否与应对社交距离的评估有关?

此外，就上文概述的补偿机制的想法而言，对他人保持社交距离行为的信任减少，也可能与使用接触者追踪应用程序的动机增加有关，因为这种类型的应用程序可以帮助用户监测自己被感染的风险。

H3b:对他人社交距离行为的信任与使用接触者追踪应用程序的动机呈负相关。

此外，目前的PMT模型通过威胁和信任变量进行了扩展，这些变量专门为应用程序的使用量身定制(参见图1)．与以往将PMT应用于数据安全问题的研究一致[30.，31]，在关注应用程序使用动机和个人数据提供时，增加了数据滥用的严重程度和数据滥用的脆弱性。伍恩等[31]发现无线网络安全措施与感知的严重程度有关，而与脆弱性无关。银行等[30.研究发现，感知到的威胁与在基于网络的社交媒体平台上分享个人信息的意愿呈负相关，而感知到的严重程度和脆弱性都与威胁评估呈正相关。据此，我们检验了以下假设:

H4a:感知到的数据滥用严重程度与使用联系人追踪应用程序和使用数据捐赠应用程序的动机呈负相关。

H4b:对数据滥用的感知脆弱性与使用联系人追踪应用程序和使用数据捐赠应用程序的动机呈负相关。

H4c:感知到的数据滥用严重程度与主动向接触者追踪应用提供自己感染状况的动机呈负相关。

H4d:对数据滥用的感知脆弱性与自愿向接触者追踪应用提供自己的感染状态的动机呈负相关。

将信任结构应用到应用程序使用中，解决了用户对收集个人相关信息的应用程序提供者的信任。的确，Lo等人[32研究发现，对社交网站的信任与用户提供个人信息的意愿正相关，由此得出以下假设:

H5a:在使用、管理和保护用户数据方面，对官方应用程序提供商的普遍信任与使用联系人追踪应用程序和数据捐赠应用程序的动机呈正相关。

H5b:在使用、管理和保护用户数据方面，对官方应用程序提供商的普遍信任与自愿向接触者追踪应用程序提供自己的感染状况的动机呈正相关。

目前的研究主要关注两种根本不同的应用类型。虽然这两种应用类型都无助于降低用户的个人感染风险，但接触追踪应用显然对个人有一定的效用，而数据捐赠应用对用户没有直接的效用。因此，对个人更有用的联系人追踪应用程序的动机和接受度应该更高:

H6a:与数据捐赠应用程序相比，联系人追踪应用程序的使用动机更高。

H6b:与数据捐赠应用程序(健康、活动和个人数据)相比，接触追踪应用程序(感染状态)提供个人数据的动机更高。

H6c:与数据捐赠应用程序相比，接触追踪应用程序对强制使用的接受程度会更高。

最后，如图所示图1，由于老年人出现新型冠状病毒引发的严重病程的风险更高，因此将年龄纳入本文研究的回归模型[33]以及公众对这一风险的持续讨论[34］．列入性别是因为众所周知的与健康有关的行为的性别差异[35］．最后，考虑了参与这项研究的日期，因为大流行正在进行中;因此，随着时间的推移，主观风险评估可能会发生变化，习惯化效应可能会发生。

方法

参与者

该研究包括了406名讲德语的参与者(290名女性，71.4%)的最终数据集，平均年龄为32.56岁(SD 13.76)。我之前排除了9名参与者:3名(33%)由于数据不完整而被排除，2名(22%)低于参与所需的最低年龄18岁，4名(44%)报告他们的性别为“多样化”，这是与性别相关的统计分析的子样本不足。在406名参与者中，最常见的最高教育程度是高等教育入学资格(173.42.6%)，其次是硕士学位或文凭(93.22.9%)，学士学位(70.17.2%)，完成职业培训(41.10.1%)，中学证书(21.5.2%)，没有完整的毕业证书(6.1.5%)，以及主要学校毕业(2.0.5%)。在研究期间，406名参与者中有385名(94.8%)没有使用任何与COVID-19相关的应用程序，而21名参与者(5.2%)已经使用了罗伯特·科赫研究所提供的数据捐赠应用程序。重要的是，在这项研究进行时，德国还不存在联系人追踪应用程序，但已正式宣布。通过方便抽样的方式招募参与者。该研究的链接通过邮件列表、社交媒体和国家期刊的调查平台广泛传播(心理学Heute)．参与这项研究是自愿的，没有提供任何奖励。没有收集任何身份数据以保证参与者的匿名性。在研究开始时，参与者被告知研究的目的，所有数据将仅用于研究目的，他们将保持匿名，并且他们可以在任何时间提前停止研究。在后一种情况下，在进行分析之前，参与者的数据从最终数据集中删除。参与者最后通过点击相应的方框表示知情同意。在德国，正如德国研究协会(Deutsche Forschungsgemeinschaft, DFG)所述，这项调查不需要伦理委员会的批准，因为该研究不包括治疗方法，对受访者不构成任何威胁或风险，并且与高身体或情绪压力无关;此外，受访者也被告知调查的目的。这项研究从2020年4月15日开始，为期30天。

过程

参与者最初提供了他们的性别、年龄和最高学历。随后，根据PEPP-PT联系人追踪app和数据捐赠app的官方描述，如上文所述，对这两种应用类型的概念和功能进行了详细的总结。对于这两个应用程序，参与者回答了一些与应用程序使用相关的问题。随后，他们评估了数据安全问题，包括数据潜在滥用的严重程度，数据滥用的脆弱性，以及他们对官方应用程序提供商在使用、管理和保护用户数据方面的总体信任。然后，参与者报告了他们保持社交距离的保护动机，以及他们对他人保持社交距离行为的信任。最后，他们评估了与通过社交距离预防SARS-CoV-2感染有关的威胁评估(严重程度、脆弱性、奖励)和应对评估(自我效能感、反应效能、反应成本)所涵盖的所有PMT变量。

措施

应用程序相关问题

基于7分制(1=“完全没有动力”到7=“非常有动力”)，参与者表明他们有多大动力自愿使用所描述的应用程序，并自愿提供应用程序要求的个人数据。他们还回答了“如果每个人都必须使用这款应用程序，你有多希望它成为强制性要求?”(1=“一点也不”到7=“非常”)，以及他们是否已经在使用现有的数据捐赠应用程序(是/否)。所有后续的测量都基于三个项目，每个项目都有7分制的评分量表(1=“完全不同意”到7=“完全同意”)。所有评分量表从1到7连续编号，并在终点有语言标记。

数据安全问题

项目改编自Banks等[30.和Dang-Pham和Pittayachawan [36)，用来评估参与者对数据潜在滥用的感知严重程度(例如，“如果冠状病毒应用程序收集的我的个人信息被滥用，它可能会伤害我，”Cronbach α=.80)和对数据滥用的感知脆弱性(例如，“我觉得我很容易被冠状病毒应用程序收集的我的个人信息被滥用，”α=.76)。项目改编自Lo [32]用于评估参与者在使用、管理和保护用户数据方面对官方COVID-19应用程序提供商的总体信任程度(例如，“我相信官方COVID-19应用程序提供商在管理我的个人信息方面是真诚的，”α=.93)。

保持社交距离的动机和对他人社交距离行为的信任

改编自Kaspar [37评估了参与者保持社交距离的保护动机(例如，“在未来几周内，我将避免与非我家居民进行身体接触”，α=.80)。对他人有意充分履行社交距离行为的信任程度的测量采用了Ross等人[38(例如，“我认为大多数人目前都在尽最大努力避免在公共生活中与其他人过于接近，以防止冠状病毒进一步传播，”α=.80)。

2019冠状病毒病威胁与应对评估

以前研究的项目[23，36，37，39，40适应了保持社交距离的行为。威胁评估措施包括感知感染的严重程度(例如，“如果我感染了冠状病毒，这将对我的健康产生强烈的负面影响，α=.89)，如果不进行社交距离，感知感染的脆弱性(例如，“如果我不与其他感染者保持适当的物理距离，其他感染者会将冠状病毒感染给我。”α=.74)，以及与不生活在参与者家中的人保持社交距离相关的感知内在奖励(例如，“我目前喜欢与其他不生活在我家中的人见面，”α=.91)。应对评估包括参与者对社交距离的自我效能感(例如，“目前，我很容易与不生活在我家里的人建立物理距离，”α=.62)，对社交距离在避免感染方面的有效性的反应效能(例如，“在公共生活中与他人保持足够的距离可以保护我免受冠状病毒感染，”α=.82)，以及感知的反应成本(例如，“目前，我发现在公共空间中与他人创造足够的空间距离是很累的”，α=.66)。

结果

自变量的相互关系和平均值

总而言之，回归模型的自变量之间的相互相关性相当低，只有少数例外(表1)．年龄和性别与PMT和信任变量几乎无显著相关性。年龄和感染严重程度之间的相关性最高。社交距离的感知反应效能与其他PMT变量显示出高相关性。根据威胁与应对评价的理论结构，感知奖励与应对成本呈正相关;然而，它们与所有其他PMT变量(严重程度、脆弱性、自我效能和反应效能)呈负相关。对他人社交距离行为的信任与自我效能感、应对效能感呈弱正相关。感知数据滥用的严重程度和脆弱性之间呈高度正相关，但与应用程序提供商的总体信任呈负相关。对感染的感知脆弱性和社交距离的应对效能与对应用程序提供商的总体信任呈正相关。有趣的是，受访者参与调查的日期(反映了大流行的时间进展)与避免社交距离的感知奖励呈正相关，但与社交距离的自我效能和对他人社交距离行为的信任呈负相关。

一个示例t经测试，大部分自变量的平均值均高于7分制量表的中点(表2)，除了感知感染的严重程度(没有偏离量表的中点)和避免社交距离的感知回报(低于量表的中点)。保持社交距离的自我效能和反应效能被认为特别高。

保持社交距离的动机

在下一步，进行多元回归分析(表3)．最初，线性回归模型的假设[41除了一个显著异方差的案例(见多媒体附件1)．因此，在这种情况下，显著性检验基于异方差-鲁棒HC3估计量[42]，而在同方差情况下首选标准普通最小二乘(OLS)估计量[43］．作为因变量，参与者保持社交距离的动机与感知感染的严重程度呈正相关(支持H1a)，与感知感染的脆弱性无关(与H1b相矛盾)，与避免社交距离的感知奖励呈负相关(支持H1c)。社交距离的自我效能和反应效能与社交距离的动机呈正相关且强相关(支持H2a和H2b)，而感知反应成本不相关(与H2c相矛盾)。最后，对他人保持社交距离行为的信任与参与者保持社交距离的动机(支持H3a)呈正相关，而与参与日期、年龄和性别无关。总体而言，该模型解释了参与者保持社交距离动机中55%的个体间方差。重要的是，除性别外，所有自变量都与保持社交距离的动机存在显著的双变量相关性;然而，在同时考虑所有自变量的完整回归模型中，这些显著的关系中有几个消失了(双变量相关性，参见多媒体附件1)．

使用联系人追踪App和数据捐赠App的动机

关于参与者使用应用程序的动机(表3)，多元回归分析显示，接触追踪应用程序和数据捐赠应用程序之间存在一些差异。与应用程序类型无关，使用动机与SARS-CoV-2感染威胁评估的组成部分(严重程度、脆弱性和奖励)之间没有关系(RQ1a)。相比之下，应对评估的所有组成部分(自我效能、响应效能和响应成本)与使用接触追踪应用程序的动机呈正相关，但与使用数据捐赠应用程序(RQ1b)的动机不相关。对他人社交距离行为的信任与使用接触追踪应用程序的动机呈负相关(支持H3b)，但也与使用数据捐赠应用程序的动机呈负相关(未预测)。数据滥用的严重程度与使用接触追踪应用程序的动机呈负相关(部分支持H4a)，而年龄与使用数据捐赠应用程序的动机呈负相关(未预测)。对数据滥用的感知脆弱性与使用这两种应用程序类型(支持H4b)的动机呈负相关。此外，对官方应用程序提供商的普遍信任与使用这两种应用程序类型的动机(支持H5a)呈现出积极且最明显的关系。参与者的性别和参与研究的日期与应用程序的使用动机无关。这些模型分别解释了参与者使用联系人追踪应用程序和数据捐赠应用程序动机的46%和34%的个体间差异。

向接触者追踪应用提供自己的感染状况的动机

在最后的回归分析中，参与者自愿向接触追踪应用程序提供自己的感染状态的动机作为因变量(表3)．如预期的那样，对感染的威胁评估(RQ1a)和对社交距离的应对评估(RQ1b)与提供自己感染状况的动机没有显著相关。对他人社交距离行为的信任与向接触者追踪应用程序提供感染状态的动机呈负相关(未预测)。数据滥用的感知严重程度与参与者分享其感染状况的意愿没有显着关系(与H4c相矛盾);然而，对数据滥用的感知脆弱性呈现负相关(支持H4d)。此外，对官方应用程序提供商的普遍信任与提供感染状态(支持H5b)的动机呈正相关和强相关。同样，参与者的性别和参与研究的日期与动机因变量无关。解释方差为42%。

使用动机和应用类型的接受度

最后,t配对样本的测试显示，使用联系人追踪应用程序的动机(平均4.11，标准差2.24)高于使用数据捐赠应用程序的动机(平均3.76，标准差2.13;t₄₀₅= 3.72,P<措施,科恩d=0.18)(支持H6a)。在联系人追踪应用程序中，提供个人数据的动机(平均4.48，标准差2.32)也高于数据捐赠应用程序(平均3.41，标准差2.23;t₄₀₅= 10.86,P<措施,d=0.54)(支持H6b)。此外，与数据捐赠应用程序(平均2.65,SD 1.98;t₄₀₅= 6.57,P<措施,d=0.33)(支持H6c)。

讨论

本研究的结果表明，PMT是一个有用的模型，可以解释人们通过保持社交距离来保护自己免受SARS-CoV-2感染的动机，以及使用与COVID-19大流行相关的应用程序的动机。尽管之前的研究[44]表明，动机-行为差距可能发生，因为“人们并不总是做他们打算做的事情”，动机支持有效的健康措施。

社会距离

对潜在感染的威胁评估与保持社交距离的动机有关。感知感染严重程度与保持社交距离的动机呈正相关;然而，可感知的脆弱性却并非如此。这一结果表明，当两个变量同时考虑时，SARS-CoV-2感染的感知严重程度比感知脆弱性对保持社交距离的动机更重要。此外，不进行社交距离的感知内在奖励与保护动机表现出强烈的负相关关系，这表明被他人包围的感知社会利益可以抵消预防策略。因此，制定替代和适当的手段来满足人们在大流行期间的社会需求似乎很重要。事实上，大流行及其相关限制持续的时间越长，人们对预防战略的承诺就可能越少。参与这项研究的日期反映了大流行的时间进展，与与非社交距离相关的感知奖励呈正相关，但与社交距离的自我效能和对他人社交距离行为的信任呈负相关。更令人鼓舞的结果是，对社交距离的应对评估，即自我效能和反应效能，与社交距离的动机表现出强烈的正相关关系，得分高于平均水平。因此，通过健康运动促进这些因素似乎是卓有成效的。 At the same time, perceived costs of social distancing were not related to protection motivation but were also rated above average. In contrast, the perceived rewards of avoiding social distancing were rated below average; this draws a somewhat contradictory picture that should be scrutinized in further research. Finally, and in line with social exchange theory [26]和互惠的概念[27]，参与者对他人保持社交距离行为的信任与他们自己保持社交距离的动机呈正相关。这一结果令人鼓舞，因为它支持了抗击当前大流行病所需的团结一致的重要性[28，29］．

应用程序使用

再次注意两个方面是很重要的。首先，使用“数据捐赠”app和提供该app要求的个人数据基本相同，但使用接触者追踪app和自愿向该app提供自己的感染状况是独立的衡量标准。其次，尽管这两种应用类型都无助于降低用户的个人感染风险，但接触追踪应用具有一定的个人效用，因为它可以帮助个人监控自己被感染的风险，而数据捐赠应用对用户没有直接效用。考虑到这些概念和技术上的差异，对潜在感染的威胁评估与使用这两种应用类型的动机无关，也与向接触者追踪应用提供自己的感染状态无关。社交距离应对评估的所有组成部分都与使用接触者追踪应用程序的动机正相关，但与使用数据捐赠应用程序不相关。自我效能感和社交距离的响应效能与使用接触者追踪应用程序的动机正相关，这表明相信自己的应对技能和推荐的应对策略有效性的人倾向于支持进一步的措施来对抗大流行。与此同时，参与者似乎对整体抗击大流行的有效方法感兴趣，因为当一个人自己保持社交距离行为的感知成本增加，但对他人保持社交距离行为的信任下降时，使用接触追踪应用程序的动机就会增加。此外，对他人保持社交距离行为的信任，还与向接触者追踪应用程序提供自己的感染状况和使用数据捐赠应用程序的动机呈负相关。因此，当人们觉得他们的同胞不太遵守建议甚至规定的行为，从而变得不那么团结时，他们显然会试图通过捐赠个人数据来弥补这一趋势，而不会获得任何直接的反价值。然而，与数据捐赠应用程序相比，参与者使用接触追踪应用程序、提供所需数据和接受强制使用的动机更高。因此，人们仍然更有动力使用对个人更有用的应用程序。有趣的是，年龄与使用数据捐赠应用程序的动机呈负相关。这一结果可能表明，年轻人通常更愿意使用应用程序，正如Cho [45］．然而，当参与者被明确询问他们有多愿意提供该应用程序所要求的个人、健康和活动数据时(尽管这已经在应用程序描述中突出显示)，这种意愿与年龄无关(r= .02点,P= .74点)。显然，在说明应用程序收集哪些特定数据以创建真正知情同意的基础时，尽可能透明是很重要的。最后，数据滥用的严重程度和脆弱性与参与者使用联系人追踪应用程序的动机呈负相关;同时，只有数据滥用的脆弱性与向接触追踪应用提供自己感染状况的动机和使用数据捐赠应用的动机呈负相关。此外，参与者对官方应用提供商的总体信任是应用使用动机和数据提供和捐赠的最重要自变量。这一结果强调了数据安全问题和信任在基于应用程序的措施中对抗当前大流行的重要作用。

限制

本文还应指出本研究的一些局限性。首先，这些是横断面的相关数据，不允许得出回归模型的自变量和因变量之间因果关系的结论。其次，尽管目前的一系列心理变量解释了参与者在社交距离、使用应用程序和提供个人数据的动机方面的巨大个体间差异，但情境因素也可能发挥重要作用。例如，保持社交距离的强烈动机可能会被城市基础设施和公共交通的空间不足所抵消，而使用应用程序的动机还取决于所需硬件的可用性、软件的可用性和数据处理的可靠性。第三，观察参与者的行为动机，而不是他们的实际行为。在这项研究进行时，德国联邦政府已经宣布了官方的接触追踪应用程序，但尚未推出。该应用程序已发布(2020年6月16日);因此，该应用程序的实际下载频率和行为数据将可供后续研究。第四，相关的，悬而未决的问题是，不同的提供者是否被评估为具有不同程度的信任，以及这将如何影响所观察到的关系。第五，目前的结果是基于线性回归分析，因为统计假设得到满足，所有评分量表都被视为度量标准(除了性别作为名义变量)，包括因变量。 However, ordinal regression models may be considered as an alternative approach (with different limitations) which, however, largely replicated the present results for all models (see多媒体附件1)．最后，该样本的参与者平均年龄约为33岁，均为德国居民;因此，目前的结果对老年人和其他国家或文化的普遍性应谨慎应用。

结论

目前的研究揭示了四个关键发现。首先，目前的模型揭示了一些重要的认知因素，这些因素构成了人们保持社交距离和使用应用程序对抗COVID-19大流行的动机。然而，评估社交距离动机的简化模型比解决应用程序使用的扩展模型解释了更多的个体间差异，这表明应用程序使用由其他因素更强烈地构成。其次，除了威胁和应对评估过程之外，社会信任也是一个相关因素，突出了在当前大流行背景下人际团结和数据安全问题的重要性。第三，本研究的重点是几个自变量对社交距离、使用应用程序和提供健康相关数据的动机的共同贡献。因此，当在回归模型中同时考虑自变量时，自变量和因变量之间的几个双变量相关性消失了(参见。多媒体附件1)．这一结果表明，针对复杂认知评估过程的健康运动，在关注个别变量之间的选定相关性时，可能会有所欠缺。最后，参与者更喜欢使用联系人追踪应用程序，而不是对用户没有直接效用的纯数据捐赠应用程序。