L’\u00e9chelle des B\u00e9n\u00e9fices de la divulgation des donn\u00e9es personnelles<\/em> (en anglais, Personal Data Disclosure Benefits<\/em>) est un instrument psychom\u00e9trique unidimensionnel d\u00e9velopp\u00e9 et valid\u00e9 par Michael Bidler, Janina Zimmermann, Jan Hendrik Schumann et Thomas Widjaja (2020) dans le cadre de leurs travaux novateurs publi\u00e9s dans le Journal of Retailing<\/a><\/em>. Cet instrument mesure l’\u00e9valuation subjective et cognitive qu’un consommateur ou utilisateur effectue quant aux avantages, \u00e0 l’utilit\u00e9 per\u00e7ue et aux retomb\u00e9es positives d\u00e9coulant du partage de ses informations personnelles aupr\u00e8s d’une plateforme num\u00e9rique ou d’un d\u00e9taillant en ligne. Compos\u00e9e de trois items formul\u00e9s de mani\u00e8re positive, l’\u00e9chelle mobilise une graduation de r\u00e9ponse de type Likert en 7 points allant de 1 (\u00ab fortement en d\u00e9saccord \u00bb) \u00e0 7 (\u00ab fortement d’accord \u00bb), le score global \u00e9tant obtenu en calculant la moyenne arithm\u00e9tique des trois assertions.<\/p>\n Sur le plan m\u00e9trologique, l’\u00e9chelle pr\u00e9sente d’excellentes qualit\u00e9s psychom\u00e9triques \u00e9tablies aupr\u00e8s d’\u00e9chantillons rigoureux de consommateurs dans des contextes de commerce \u00e9lectronique et d’exp\u00e9rimentations d’interfaces ludifi\u00e9es. Elle d\u00e9montre une consistance interne remarquable, avec des coefficients de fid\u00e9lit\u00e9 composite et d’alpha de Cronbach syst\u00e9matiquement sup\u00e9rieurs au seuil de 0,90, ainsi qu’une variance moyenne extraite (AVE) exc\u00e9dant largement les recommandations standard de 0,50. La structure factorielle unidimensionnelle a \u00e9t\u00e9 confirm\u00e9e tant par analyse factorielle exploratoire (AFE) que confirmatoire (AFC), affichant des indices d’ajustement robustes. L’\u00e9chelle s’av\u00e8re centrale dans l’\u00e9tude du \u00ab paradoxe de la vie priv\u00e9e \u00bb (privacy paradox<\/a><\/em>) et de la th\u00e9orie du calcul de la vie priv\u00e9e (privacy calculus theory<\/em>), offrant un outil parcimonieux mais hautement pr\u00e9dictif pour la recherche en marketing digital, en psychologie des technologies et en ergonomie des syst\u00e8mes d’information.<\/p>\n divulgation de donn\u00e9es personnelles, b\u00e9n\u00e9fices per\u00e7us, calcul de la vie priv\u00e9e, comportement du consommateur, commerce \u00e9lectronique, psychom\u00e9trie, th\u00e9orie de l’\u00e9change social, marketing digital, prise de d\u00e9cision num\u00e9rique, utilit\u00e9 per\u00e7ue<\/p>\n L’instrument a \u00e9t\u00e9 con\u00e7u par une \u00e9quipe de chercheurs sp\u00e9cialis\u00e9s dans le marketing des services, les syst\u00e8mes d’information et le comportement du consommateur :<\/p>\n L’objectif fondamental de l’\u00e9chelle des B\u00e9n\u00e9fices de la divulgation des donn\u00e9es personnelles<\/em> est de quantifier pr\u00e9cis\u00e9ment la composante positive de l’arbitrage cognitif op\u00e9r\u00e9 par les individus lorsqu’ils sont sollicit\u00e9s pour fournir des donn\u00e9es priv\u00e9es (telles que l’\u00e2ge, la localisation, les pr\u00e9f\u00e9rences d’achat ou les identifiants sociod\u00e9mographiques) dans un \u00e9cosyst\u00e8me num\u00e9rique. Dans l’\u00e9conomie des donn\u00e9es contemporaine, la collecte d’informations individuelles constitue la pierre angulaire de la personnalisation marchande, du ciblage publicitaire et de l’optimisation des parcours clients. N\u00e9anmoins, les utilisateurs \u00e9prouvent fr\u00e9quemment une r\u00e9ticence marqu\u00e9e \u00e0 partager leurs donn\u00e9es en raison des risques inh\u00e9rents de surveillance, d’intrusion ou d’exploitation mercantile non consentie.<\/p>\n Dans ce contexte th\u00e9orique et empirique, l’\u00e9chelle a \u00e9t\u00e9 d\u00e9velopp\u00e9e afin d’isoler exp\u00e9rimentalement et de mesurer l’impact de stimuli d’interface \u2013 tels que les \u00e9l\u00e9ments de ludification (gamification<\/em>) illustrant la pertinence contextuelle \u2013 sur la perception de valeur par le consommateur. Elle cherche \u00e0 r\u00e9pondre aux interrogations suivantes : dans quelle mesure le consommateur anticipe-t-il que le renoncement partiel \u00e0 sa sph\u00e8re priv\u00e9e se traduira par une exp\u00e9rience accrue, des recommandations plus pertinentes, des gains de temps ou des r\u00e9compenses mat\u00e9rielles et immat\u00e9rielles tangibles ? L’\u00e9chelle ne mesure pas le comportement final de divulgation en lui-m\u00eame, mais la repr\u00e9sentation cognitive de l’utilit\u00e9 fonctionnelle et globale que procure ce comportement.<\/p>\n Sur le plan des applications appliqu\u00e9es et de la recherche :<\/p>\n Le construit psychologique op\u00e9rationnalis\u00e9 par cette \u00e9chelle est unidimensionnel et conceptualis\u00e9 sous le terme d’\u00e9valuation subjective des b\u00e9n\u00e9fices de la divulgation<\/strong> (perceived disclosure benefits<\/em>). Dans la litt\u00e9rature en psychom\u00e9trie et en syst\u00e8mes d’information, ce construit rel\u00e8ve du jugement attitudinal fond\u00e9 sur l’anticipation des cons\u00e9quences positives d’un acte comportemental pr\u00e9cis : le transfert de contr\u00f4le informationnel.<\/p>\n Ce construit s’articule autour de trois facettes cognitives \u00e9troitement intriqu\u00e9es :<\/p>\n Il importe de distinguer ce construit d’autres concepts connexes mais distincts :<\/p>\n Le d\u00e9veloppement de cette \u00e9chelle s’ancre au confluent de trois corpus th\u00e9oriques majeurs des sciences cognitives, de l’\u00e9conomie comportementale et de la psychologie sociale :<\/p>\n Introduite initialement par Laufer et Wolfe (1977) puis formalis\u00e9e par Dinev et Hart (2006) ainsi que Smith, Dinev et Xu (2011), la th\u00e9orie du calcul de la vie priv\u00e9e postule que les individus adoptent un comportement rationnel born\u00e9 face au partage de leurs donn\u00e9es priv\u00e9es. Avant d’accorder l’acc\u00e8s \u00e0 ses informations personnelles, l’internaute effectue une analyse b\u00e9n\u00e9fices-risques (cost-benefit analysis<\/em>). D’un c\u00f4t\u00e9, il \u00e9value les risques pour sa vie priv\u00e9e (privacy risks<\/em>) ; de l’autre, il jauge les b\u00e9n\u00e9fices attendus (privacy benefits<\/em>). L’\u00e9chelle d\u00e9velopp\u00e9e par Bidler et al. (2020) mesure de mani\u00e8re chirurgicale le p\u00f4le positif de ce calcul mental, permettant d’observer comment des modifications d’ergonomie cognitive modifient le num\u00e9rateur de cette \u00e9quation d\u00e9cisionnelle.<\/p>\n Th\u00e9oris\u00e9e par George Homans (1958) et Peter Blau (1964), la th\u00e9orie de l’\u00e9change social stipule que les interactions humaines et marchandes reposent sur des attentes de r\u00e9ciprocit\u00e9. Le consommateur per\u00e7oit ses donn\u00e9es personnelles non pas comme une entit\u00e9 abstraite, mais comme une ressource monnayable dou\u00e9e d’une valeur marchande et symbolique. En c\u00e9dant ses donn\u00e9es, il investit une ressource priv\u00e9e et attend en contrepartie une valeur d’usage au moins \u00e9quivalente. L’\u00e9chelle capture le degr\u00e9 auquel cette norme de r\u00e9ciprocit\u00e9 distributive est per\u00e7ue comme satisfaite par le syst\u00e8me.<\/p>\n En s’appuyant sur les travaux de Davis (1989) relatifs \u00e0 l’utilit\u00e9 per\u00e7ue (perceived usefulness<\/em>), l’\u00e9chelle capte l’orientation instrumentale de l’utilisateur. Dans l’\u00e9tude de Bidler et al. (2020), les auteurs d\u00e9montrent que l’int\u00e9gration de m\u00e9caniques de ludification illustrant concr\u00e8tement l’int\u00e9r\u00eat de fournir une donn\u00e9e (par exemple, montrer imm\u00e9diatement comment renseigner sa taille corporelle affine l’algorithme de recommandation vestimentaire) active la saillance cognitive des b\u00e9n\u00e9fices. L’individu passe d’une focalisation parano\u00efaque sur le risque \u00e0 une appr\u00e9ciation lucide des gains fonctionnels imm\u00e9diats.<\/p>\n L’\u00e9valuation psychom\u00e9trique de l’\u00e9chelle des B\u00e9n\u00e9fices de la divulgation des donn\u00e9es personnelles<\/em> atteste d’une validit\u00e9 scientifique robuste \u00e0 travers plusieurs \u00e9tudes empiriques transversales et exp\u00e9rimentales men\u00e9es par Bidler et ses collaborateurs (2020) :<\/p>\n Les trois items de l’\u00e9chelle ont \u00e9t\u00e9 initialement g\u00e9n\u00e9r\u00e9s sur la base d’une recension exhaustive de la litt\u00e9rature portant sur la vie priv\u00e9e en ligne (notamment les conceptualisations de Xu et al., 2009 ; Krasnova et al., 2010). Un comit\u00e9 d’experts en comportement du consommateur a v\u00e9rifi\u00e9 que chaque formulation cernait fid\u00e8lement l’\u00e9valuation g\u00e9n\u00e9rale des avantages sans introduire de biais de d\u00e9sirabilit\u00e9 sociale ou de termes excessivement techniques. La formulation concise \u00e9limine l’ambigu\u00eft\u00e9 cognitive et maximise la clart\u00e9 s\u00e9mantique.<\/p>\n La validit\u00e9 convergente a \u00e9t\u00e9 d\u00e9montr\u00e9e par des valeurs de variance moyenne extraite (Average Variance Extracted<\/em>, AVE) largement sup\u00e9rieures au crit\u00e8re d’acceptation de 0,50 \u00e9tabli par Fornell et Larcker (1981). Dans les diff\u00e9rentes conditions exp\u00e9rimentales de l’\u00e9tude (incluant des conditions de contr\u00f4le et diverses variantes de gamification), l’AVE de l’\u00e9chelle d\u00e9passe syst\u00e9matiquement 0,80, indiquant que plus de 80 % de la variance des indicateurs est directement imputable au construit latent th\u00e9orique sous-jacent.<\/p>\n La validit\u00e9 discriminante a \u00e9t\u00e9 test\u00e9e et confirm\u00e9e par rapport aux construits adjacents :<\/p>\n L’\u00e9chelle a d\u00e9montr\u00e9 une validit\u00e9 pr\u00e9dictive remarquable : dans les mod\u00e8les d’\u00e9quations structurelles de Bidler et al. (2020), le score de b\u00e9n\u00e9fices per\u00e7us pr\u00e9dit positivement et significativement la volont\u00e9 effective d’engager le processus de communication des donn\u00e9es priv\u00e9es (coefficients de chemin b\u00eata oscillant entre 0,35 et 0,52, p<\/em> < 0,001), et agit comme m\u00e9diateur cl\u00e9 entre la pr\u00e9sence d’\u00e9l\u00e9ments d’interface interactifs et le comportement d’adh\u00e9sion.<\/p>\n Les propri\u00e9t\u00e9s de fid\u00e9lit\u00e9 de l’instrument ont fait l’objet d’examens statistiques approfondis au sein des diff\u00e9rents \u00e9chantillons de l’\u00e9tude princeps :<\/p>\n La structure dimensionnelle de l’\u00e9chelle a \u00e9t\u00e9 examin\u00e9e par des m\u00e9thodes factorielles rigoureuses :<\/p>\n L’application d’une extraction en composantes principales (avec analyse des valeurs propres selon le crit\u00e8re de Kaiser et examen du diagramme d’\u00e9boulis de Cattell) r\u00e9v\u00e8le invariablement une solution unifactorielle claire. Le facteur unique extrait explique plus de 85 % de la variance totale<\/strong> des items. Aucune dimension r\u00e9siduelle ne poss\u00e8de de valeur propre sup\u00e9rieure \u00e0 0,35, ce qui rejette cat\u00e9goriquement toute multidimensionnalit\u00e9.<\/p>\n Les mod\u00e8les d’\u00e9quations structurelles confirmatoires (estim\u00e9s par la m\u00e9thode du maximum de vraisemblance robuste) indiquent une ad\u00e9quation optimale entre le mod\u00e8le th\u00e9orique unidimensionnel et les donn\u00e9es empiriques recueillies :<\/p>\n Ces indices confirment formellement que l’instrument s’articule autour d’une dimension latente univoque et robuste, adapt\u00e9e aux mod\u00e9lisations structurales complexes.<\/p>\n Les sources acad\u00e9miques de r\u00e9f\u00e9rence mobilisant ou fondant cet instrument sont les suivantes :<\/p>\n Response Scale: 7-point Likert scale (1 = strongly disagree to 7 = strongly agree)<\/p>\n L’\u00e9chelle des B\u00e9n\u00e9fices de la divulgation des donn\u00e9es personnelles (Bidler et al., 2020) \u00e9value les gains et l’utilit\u00e9 per\u00e7us par un consommateur lors du partage d’informations priv\u00e9es en ligne. Analyse psychom\u00e9trique, fondements th\u00e9oriques et items originaux.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[2455,647,2],"tags":[59,854,19946,2809,992,14401,16,2714],"class_list":["post-13983","psych_scale","type-psych_scale","status-publish","hentry","category-comportement-du-consommateur","category-psychologie-cognitive","category-psychometrie","tag-benefices-percus","tag-commerce-electronique","tag-divulgation-de-donnees","tag-gamification","tag-marketing-digital","tag-privacy-calculus","tag-psychometrie","tag-vie-privee"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/13983","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_scale"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=13983"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_scale\/13983\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=13983"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=13983"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=13983"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. Mots-cl\u00e9s \/ Keywords<\/h2>\n
3. Auteurs \/ Authors<\/h2>\n
\n
4. Objectif \/ Purpose<\/h2>\n
\n
5. Construit psychologique \/ Construct<\/h2>\n
\n
\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
1. La th\u00e9orie du calcul de la vie priv\u00e9e (Privacy Calculus Theory<\/em>)<\/h3>\n
2. La th\u00e9orie de l’\u00e9change social (Social Exchange Theory<\/em>)<\/h3>\n
3. Le mod\u00e8le d’acceptation de la technologie et la cognition motiv\u00e9e<\/h3>\n
7. Validit\u00e9 \/ Validity<\/h2>\n
Validit\u00e9 de contenu et de construit<\/h3>\n
Validit\u00e9 convergente<\/h3>\n
Validit\u00e9 discriminante<\/h3>\n
\n
Validit\u00e9 pr\u00e9dictive et nomologique<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
Analyse factorielle exploratoire (AFE)<\/h3>\n
Analyse factorielle confirmatoire (AFC)<\/h3>\n
\n
\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
\n
\n
Score Global = (Item 1 + Item 2 + Item 3) \/ 3<\/code>.<\/li>\n11. Permissions, Tarifs et Ann\u00e9e du test \/ Permissions & Fee and Test Year<\/h2>\n
\n
12. R\u00e9f\u00e9rences \/ References<\/h2>\n
\n
13. Questions et items du questionnaire \/ Scale Items<\/h2>\n
\n