Verklarende Factoren voor de
Acceptatie van Tracking Cookies
Een kwantitatief onderzoek
Robin Spiers
11829494
17-07-2020
Begeleider: dhr. ir. A.M. (Loek) Stolwijk
2e Examinator: mw. E.C. (Imke) Brummer MA
Bachelorscriptie Informatiekunde
Faculteit der Natuurwetenschappen, Wiskunde en Informatica
Universiteit van Amsterdam
SAMENVATTING
Internetgebruikers komen bij het bezoeken van websites dikwijls in contact met tracking cookies die persoonlijke gegevens verwerken. Tegenwoordig krijgen internetgebruikers echter ook steeds vaker de vrijheid om zelf te bepalen of het gebruik van tracking cookies wordt toegestaan. Dit onderzoek heeft als doel om te achterhalen welke factoren een belangrijke rol spelen bij deze keuzevorming, om zo tot een mogelijke verklaring te komen voor het toestaan van tracking cookies door internetgebruikers.
Voor het vinden van een mogelijke verklaring is dit onderzoek met een literatuurstudie begonnen. Hierbij zijn diverse voorgaande onderzoeken bestudeerd die relevant waren op het gebied van cookies en het delen van persoonlijke informatie. Aan de hand van de bevindingen uit deze literatuurstudie is een conceptueel model samengesteld voor factoren die mogelijk een verklaring boden voor de intentie van internetgebruikers om tracking cookies te accepteren. Op basis van het conceptuele model zijn toetsbare hypotheses opgesteld.
Vervolgens is het model getoetst door middel van een kwantitatief survey-onderzoek. Aan de hand van stellingen gebaseerd op materialen van voorgaande onderzoeken is een vragenlijst samengesteld. Om data te verzamelen is de vragenlijst gedurende een periode van twaalf dagen online verspreid. Uiteindelijk is de enquête door 97 respondenten ingevuld.
Bij de analyse van de data is de onderzoekstechniek Structural Equation Modeling toegepast gebruikmakend van de software SmartPLS. Na de uitvoering van diverse analyses werd een definitief model vastgesteld voor een mogelijke verklaring voor de intentie van internetgebruikers om tracking cookies te accepteren. Met dit model zijn tot slot nog een aantal analyses uitgevoerd voor de vergelijking van subgroepen aan de hand van covariaten zoals geslacht en leeftijd.
Uit de resultaten is gebleken dat de factoren vertrouwen, risicobevindingen en privacy-bezorgdheid met betrekking tot bewustzijn en collectie van persoonlijke informatie een rol spelen bij het toestaan van tracking cookies door internetgebruikers. Bij geen van de onderzochte covariaten werden significante verschillen aangetroffen, alhoewel er bij de subgroepen met betrekking tot leeftijd net geen sprake was van een significante invloed.
Tot slot worden nog enkele limitaties besproken, zoals de steekproefgrootte van het survey-onderzoek en het feit dat alleen verklaringen voor de intentie om tracking cookies te accepteren zijn onderzocht. Wanneer de resultaten worden vergeleken met de resultaten van voorgaande onderzoeken zijn vooralsnog veel overeenkomsten te zien. Voor vervolgonderzoek worden een aantal suggesties gedaan zoals het uitvoeren van kwalitatief onderzoek naar potentiële factoren en het opzetten van een online website of applicatie om het gedrag van internetgebruikers met betrekking tot de acceptatie van cookies in een realistische context te bestuderen. Uiteindelijk wordt er geconcludeerd dat dit onderzoek een bijdrage heeft geleverd aan de verdere theorieontwikkeling binnen het onderzoeksveld van verklaringen voor het delen van persoonlijke informatie.
INHOUDSOPGAVE
1. INTRODUCTIE 4 1.1 Probleemstelling 4 1.2 Vraagstelling 5 2. THEORETISCH KADER 6 2.1 Cookiemeldingen 6 2.2 Privacy paradox 7 2.3 Privacy-bezorgdheid 8 2.4 Conceptueel model 9 2.5 Hypotheses 10 3. METHODE 13 3.1 Onderzoeksontwerp en materiaal 13 3.2 Participanten en procedure 14 3.3 Data analyse 15 4. RESULTATEN 16 4.1 Eerste model 16 4.2 Structurele paden 17 4.3 Definitieve model 20 4.4 Subgroepen 21 5. DISCUSSIE 23 5.1 Limitaties 235.2 Theoretische en praktische implicaties 24
5.3 Vervolgonderzoek 24
5.4 Conclusie 25
6. LITERATUURLIJST 26
7. APPENDIX 29
Appendix A - Survey vragenlijst 29
Appendix B - Analyse output 32
1. INTRODUCTIE
Tegenwoordig besteden we onze tijd steeds vaker als gebruikers van online omgevingen, zoals social media platformen en webwinkels. Terwijl gebruikers actief zijn op online platformen zijn zij vaak tegelijkertijd onbewust bezig met het delen van persoonlijke informatie. Er is sprake van persoonlijke informatie wanneer het mogelijk is om de informatie aan het individu te koppelen. De meeste websites die persoonlijke gegevens verzamelen doen dit om de verzamelde data voor commerciële doeleinden te verwerken (Greengard, 2012). Een veelgebruikte techniek voor het verzamelen van persoonlijke gegevens zijn online cookies. Door middel van cookies kunnen organisaties via een website of applicatie informatie verzamelen over het gedrag van bezoekers. Deze cookies kunnen redelijk simpel zijn, zo kan een webwinkel gebruik maken van cookies om op te slaan welke producten er in een winkelmandje worden geplaatst. Er is echter ook een specifieke soort cookies, de tracking cookies, die informatie opslaan over bezoeken aan verschillende websites. In de praktijk worden tracking cookies grotendeels voor commerciële doeleinden gebruikt, zoals het creëren van gerichte advertenties (Toubiana, Narayanan, Boneh, Nissenbaum & Barcoas, 2010). Bij gericht adverteren worden advertenties dankzij verzamelde data gepersonaliseerd naar persoonlijke interesses. Uit het onderzoek van Urban, Degeling, Holz en Pohlmann (2020) is gebleken dat 99% van ruim tienduizend onderzochte websites gebruik maakten van tracking cookies voor commerciële doeleinden.
Het feit dat tracking cookies persoonlijke gegevens verzamelen en verwerken kan door sommigen als onethisch worden gezien. Er vindt namelijk in zekere zin inbreuk op privacy plaats. Het begrip privacy wordt algemeen omschreven als het recht van individuelen, groepen of instituties om voor zichzelf te bepalen wanneer, hoe en tot in hoeverre informatie over hen gedeeld mag worden met anderen (Westin, 1968). Op online platformen maken gebruikers zich zorgen over hun online privacy en de mate waarin zij de controle over hun persoonlijke informatie in een virtuele wereld behouden (Yao, Rice & Wallis, 2007). Tracking cookies zelf hoeven niet zozeer schadelijk te zijn, maar er is echter wel een risico aanwezig dat cybercriminelen via cyberaanvallen toegang kunnen krijgen tot de gegevens die door tracking cookies worden opgeslagen (Sabillon, Cano, Cavaller Reys & Serra Ruiz, 2016). Via zulke cyberaanvallen kunnen cybercriminelen niet alleen toegang krijgen tot persoonlijke gegevens, maar ook diverse vormen van malware verspreiden.
1.1 Probleemstelling
Waar organisaties jaren geleden op redelijk simpele wijze tracking cookies konden toepassen om de persoonlijke gegevens van internetgebruikers te verwerken, moeten zij hiervoor tegenwoordig aan diverse richtlijnen voldoen. Binnen de Europese Unie (EU) is de Algemene Verordening Gegevensbescherming (AVG) een belangrijke wetgeving die wordt gehanteerd om de verwerking van persoonlijke gegevens te reguleren. De AVG stelt met betrekking tot het gebruik van cookies een aantal belangrijke eisen, namelijk dat er voor de verwerking van persoonlijke gegevens expliciete en gedocumenteerde toestemming nodig is van alle betrokkenen (Degeling et al., 2018).
Dankzij de richtlijnen van de AVG komen internetgebruikers in een positie waarbij zij zelf de keuze hebben om het gebruik van tracking cookies toe te staan. De AVG heeft als hoge prioriteit dat gegeven toestemming voor de verwerking van persoonlijke gegevens gebaseerd moet zijn op een geïnformeerde keuze, maar in de praktijk hoeft dit echter niet zo te zijn. Ondanks het feit dat uit verschillende onderzoeken is gebleken dat gebruikers hun privacy waarborgen (Pötzsch, 2008; Diney, 2014), blijkt dat het in de praktijk toch vaker voorkomt dat gebruikers weinig moeite hebben met het delen van persoonlijke gegevens (Lutz & Strathoff, 2014; Barth & De Jong, 2017). Een mogelijke verklaring hiervoor zou zijn dat de keuze om het gebruik van tracking cookies toe te staan contextafhankelijk is (Kokolakis, 2017). Er is op het gebied van cookies echter nog niet veel informatie bekend over de factoren die bij de acceptatie mogelijk van invloed zijn.
Zowel vanuit een academisch als een zakelijk perspectief zou het relevant kunnen zijn om meer inzicht te krijgen in de factoren die bepalend zijn voor de intentie van internetgebruikers om tracking cookies te accepteren. Academisch gezien zou het relevant kunnen zijn om een beter overzicht te krijgen van de rationele afwegingen die een persoon maakt wanneer het aankomt op het opgeven van een deel van diens online privacy. Vanuit een zakelijk perspectief zou het relevant kunnen zijn om meer te weten te komen over de specifieke factoren die van invloed kunnen zijn op deze keuze, zodat bijvoorbeeld de informatievoorziening, de structuur of de visuele vormgeving bij cookiemeldingen op basis van deze informatie kan worden aangepast.
1.2 Vraagstelling
Het doel van dit onderzoek is het vinden van een verklaring voor het toestaan van tracking cookies door internetgebruikers. Hierbij is het van belang dat er wordt gekeken naar factoren die mogelijk bijdragen aan de verklaring hiervoor. Aan de hand van deze doelstelling is de volgende onderzoeksvraag opgesteld:
- Welke factoren spelen een rol bij het toestaan van het gebruik van tracking cookies door
internetgebruikers?
Om de hoofdvraag te beantwoorden is deze opgesplitst in twee deelvragen:
1. Welke factoren spelen volgens wetenschappelijke literatuur mogelijk een rol bij het toestaan van het gebruik van tracking cookies door internetgebruikers?
2. In hoeverre geven deze factoren een verklaring voor het toestaan van het gebruik van tracking cookies door internetgebruikers?
Aan de hand van de eerste deelvraag is het onderzoek met een literatuurstudie begonnen door diverse relevante wetenschappelijke artikelen te bestuderen. Op basis van de bevindingen tijdens deze literatuurstudie is een conceptueel model samengesteld over de factoren die mogelijk een rol spelen bij de verklaring voor de acceptatie van tracking cookies. Om de tweede deelvraag te beantwoorden is het conceptuele model vervolgens getoetst door middel van een kwantitatief survey-onderzoek. Bij deze toetsing is gekeken naar de mate waarin de componenten van het conceptuele model daadwerkelijk een verklarende rol hebben voor de gedragsintentie van
2. THEORETISCH KADER
In het theoretisch kader worden de bevindingen uit voorgaande wetenschappelijke onderzoeken besproken om te bepalen welke factoren mogelijk een verklarende rol hebben voor de acceptatie van tracking cookies.
2.1 Cookiemeldingen
Vanwege de richtlijnen van de AVG voor de verwerking van persoonlijke gegevens moet gegeven toestemming hiervoor aan een aantal eisen voldoen (Degeling et al., 2018). Allereerst is vastgesteld dat gegeven toestemming geïnformeerd moet zijn. Het is van belang dat de betrokkene geïnformeerd is hoe en waarom persoonlijke data wordt verwerkt. Daarnaast mag er geen sprake zijn van misinterpretatie. Om misinterpretatie te voorkomen moeten organisaties ervoor zorgen dat alle relevante informatie op expliciete wijze wordt vermeld. Bovendien moet iedere vorm van gegeven toestemming gedocumenteerd worden. Verzameling en verwerking van persoonlijke gegevens door middel van cookies mag pas plaatsvinden zodra expliciete toestemming is gegeven.
Voor organisaties die gebruik maken van cookies biedt het implementeren van cookiemeldingen een oplossing om aan deze richtlijnen te voldoen (Utz, Degeling, Fahl, Schaub & Holz, 2019). Met behulp van cookiemeldingen kunnen organisaties hun websitebezoekers op eenvoudige wijze van informatie voorzien over het gebruik van cookies. Een cookiemelding maakt het ook mogelijk dat een websitebezoeker met redelijk weinig moeite expliciete toestemming kan geven voor het gebruik van cookies. Bij de meeste cookiemeldingen valt op dat het door middel van visuele vormgeving zeer aantrekkelijk wordt gemaakt om het gebruik van alle cookies te accepteren (Utz et al., 2019). Daarnaast kost het bij veel cookiemeldingen structureel gezien minder moeite om het gebruik van tracking cookies toe te staan dan dat het moeite kost om deze te weigeren. Dit komt doordat de websitebezoeker vaak meer acties moeten ondernemen om het gebruik van bepaalde cookies te weigeren, omdat deze instelling zich vaak in een diepere laag bevindt zoals een submenu voor cookie-instellingen (Utz et al., 2019).
Indien internetgebruikers de wens hebben om het gebruik van tracking cookies te weigeren, vereist dit bij verschillende websites meer aandacht en moeite. Een mogelijke verklarende factor voor de acceptatie van tracking cookies zou dus zijn dat internetgebruikers bij het bezoeken van een website niet altijd voldoende aandacht en moeite besteden aan het beoordelen van het voorgestelde gebruik van cookies. Bovendien is uit het onderzoek van Venkatesh, Thong en Xu (2012) gebleken dat gewoonte een verklarende rol kan innemen voor de gedragsintentie om een bepaalde voorwaarde te accepteren. De gewoonte om weinig of juist veel aandacht te besteden aan cookiemeldingen zou een soortgelijke rol kunnen hebben voor een verklaring voor de acceptatie van tracking cookies.
2.2 Privacy paradox
In de praktijk komt het voor dat personen in principe de intentie hebben om hun privacy te waarborgen, maar deze intentie echter verwaarlozen in diverse scenario’s waarbij het nodig is om persoonlijke informatie te delen. Dit fenomeen staat bekend als de privacy paradox, en wordt gedefinieerd als de tweedeling tussen de intentie om persoonlijke informatie te delen en het daadwerkelijke gedrag dat wordt vertoond (Norberg, Horne & Horne, 2007).
In het onderzoek van Norberg et al. (2007) worden twee conceptuele modellen behandeld over de factoren die mogelijk de aanwezigheid van de privacy paradox verklaren. Ten eerste wordt een model behandeld dat gebaseerd is op voorgaande onderzoeken (figuur 1, links). Volgens dit model zouden risicobevindingen over het delen van persoonlijke informatie en vertrouwen in het delen van persoonlijke informatie van invloed zijn op de gedragsintentie om persoonlijke informatie vrij te geven. Deze gedragsintentie zou vervolgens bepalend zijn voor het daadwerkelijk vrijgeven van persoonlijke informatie. In dit onderzoek beweren Norberg et al. (2007) echter dat dit model niet kloppend zou zijn voor de verklaring van paradoxaal gedrag. Aan de hand van een nieuw model (figuur 1, rechts) beweren zij namelijk dat de intentie om persoonlijke informatie te delen los staat van het daadwerkelijk delen van persoonlijke informatie. Bovendien zou de factor vertrouwen alleen verklarend zijn voor het vertoonde gedrag, niet voor de intentie. De reden hiervoor is dat vertrouwen en het vrijgeven van persoonlijke informatie contextafhankelijk zou zijn. Deze theorie is in de afgelopen jaren door veel verschillende wetenschappers ondersteund (Kokolakis, 2017).
Figuur 1: Privacy paradox model (Norberg et al., 2007)
Daarnaast hebben diverse onderzoeken naar verklarende factoren voor het vrijgeven van persoonlijke informatie aangetoond dat vertrouwen en risicobevindingen belangrijke componenten zijn (Hoffman, Novak & Peralta, 1999; Schoenbachler & Gordon, 2002; Wakefield, 2013). Aangezien het toestaan van tracking cookies neerkomt op het beschikbaar stellen van persoonlijke informatie worden de factoren risicobevindingen en vertrouwen meegenomen in het conceptuele model van een mogelijke verklaring voor de acceptatie van tracking cookies.
2.3 Privacy-bezorgdheid
Het “Internet Users’ Information Privacy Concerns”-model (IUIPC) van Malhotra, Kim en Agarwal (2004) is een theoretisch model waarbij privacy-bezorgdheid een belangrijke rol heeft (figuur 2). Met betrekking tot bezorgdheid kan de IUIPC-schaal van het model worden onderverdeeld tot drie subcategorieën; bezorgdheid over de collectie van persoonlijke informatie, bezorgdheid over de controle over persoonlijke informatie en bezorgdheid over het bewustzijn van wat er met persoonlijke informatie gebeurt. Volgens het model van Malhotra et al. (2004) oefent de IUIPC-schaal invloed uit op de factoren vertrouwen in het delen van persoonlijke informatie en risicobevindingen bij het delen van persoonlijke informatie. Deze twee factoren zijn vervolgens bepalend voor de gedragsintentie van internetgebruikers om persoonlijke informatie vrij te geven. Daarnaast worden de factoren in dit model nog beïnvloed door een contextuele variabele, de mate waarin er sprake is van gevoelige persoonlijke informatie ten opzichte van algemene persoonlijke informatie. Bovendien werden bij dit onderzoek de effecten van covariaten zoals geslacht, leeftijd en opleidingsniveau gemeten. Naast het feit dat ook door dit onderzoek is ondersteund dat vertrouwen en risicobevindingen een verklarende rol spelen voor het delen van persoonlijke informatie, zou de factor privacy-bezorgdheid ook toepasbaar kunnen zijn binnen de context van tracking cookies.
2.4 Conceptueel model
Op basis van de bevindingen uit voorgaande wetenschappelijke onderzoeken is een conceptueel model samengesteld (figuur 3). Dit model bestaat uit factoren die mogelijk verklarend zijn voor de gedragsintentie van internetgebruikers om het gebruik van tracking cookies te accepteren.
Figuur 3: Conceptueel model om de intentie voor het accepteren van tracking cookies te verklaren
De eerste drie componenten van het conceptuele model, privacy-bezorgdheid met betrekking tot controle, bewustzijn en collectie, zijn gebaseerd op de drie subcomponenten van de IUIPC-schaal van het onderzoek van Malhotra et al. (2004). Er is voor gekozen om deze als drie individuele componenten te implementeren zodat het mogelijk wordt om te achterhalen of de drie componenten van elkaar verschillen wat betreft de indirecte invloed op die intentie om te accepteren. De drie bezorgdheid-componenten hebben directe invloed op de componenten vertrouwen in het gebruik van tracking cookies, risicobevindingen bij het gebruik van tracking cookies en aandacht voor cookiemeldingen. Uit diverse wetenschappelijke onderzoeken is gebleken dat de factoren vertrouwen en risicobevindingen bepalend zijn voor het delen van persoonlijke informatie. De component aandacht voor cookiemeldingen is gebaseerd op de bevinding dat de gewoonte om aandacht een moeite aan cookiemeldingen te besteden mogelijk van invloed kan zijn op de acceptatie van cookies.
2.5 Hypotheses
Op basis van de componenten en structurele paden in het conceptuele model zijn negentien toetsbare hypotheses opgesteld. Hypotheses 1 tot en met 9 zijn gebaseerd op de structurele paden die vanuit de drie componenten over privacy-bezorgdheid richting de componenten vertrouwen, risicobevindingen en aandacht lopen.
Hypothese 1
H0: Controle heeft geen invloed op het vertrouwen in het gebruik van tracking cookies. H1: Controle heeft invloed op het vertrouwen in het gebruik van tracking cookies.
Hypothese 2
H0: Controle heeft geen invloed op risicobevindingen bij het gebruik van tracking cookies. H1: Controle heeft invloed op risicobevindingen bij het gebruik van tracking cookies.
Hypothese 3
H0: Controle heeft geen invloed op de aandacht voor cookiemeldingen. H1: Controle heeft invloed op de aandacht voor cookiemeldingen.
Hypothese 4
H0: Bewustzijn heeft geen invloed op het vertrouwen in het gebruik van tracking cookies. H1: Bewustzijn heeft invloed op het vertrouwen in het gebruik van tracking cookies.
Hypothese 5
H0: Bewustzijn heeft geen invloed op risicobevindingen bij het gebruik van tracking cookies. H1: Bewustzijn heeft invloed op risicobevindingen bij het gebruik van tracking cookies.
Hypothese 6
H0: Bewustzijn heeft geen invloed op de aandacht voor cookiemeldingen. H1: Bewustzijn heeft invloed op de aandacht voor cookiemeldingen.
Hypothese 7
H0: Collectie heeft geen invloed op het vertrouwen in het gebruik van tracking cookies. H1: Collectie heeft invloed op het vertrouwen in het gebruik van tracking cookies.
Hypothese 8
H0: Collectie heeft geen invloed op risicobevindingen bij het gebruik van tracking cookies. H1: Collectie heeft invloed op risicobevindingen bij het gebruik van tracking cookies.
Hypothese 9
H0: Collectie heeft geen invloed op de aandacht voor cookiemeldingen. H1: Collectie heeft invloed op de aandacht voor cookiemeldingen.
Hypotheses 10 tot en met 15 zijn gebaseerd op de resterende structurele paden in het model. Bij deze hypotheses gaat het om de relaties tussen de componenten vertrouwen, risicobevindingen, aandacht en intentie om te accepteren.
Hypothese 10
H0: Vertrouwen in het gebruik van tracking cookies heeft geen invloed op risicobevindingen bij het gebruik van cookies.
H1: Vertrouwen in het gebruik van tracking cookies heeft invloed op risicobevindingen bij het gebruik van cookies.
Hypothese 11
H0: Vertrouwen in het gebruik van tracking cookies heeft geen invloed op de aandacht voor cookiemeldingen.
H1: Vertrouwen in het gebruik van tracking cookies heeft invloed op de aandacht voor cookiemeldingen.
Hypothese 12
H0: Vertrouwen in het gebruik van tracking cookies heeft geen invloed op de intentie om het gebruik van tracking cookies te accepteren.
H1: Vertrouwen in het gebruik van tracking cookies heeft invloed op de intentie om het gebruik van tracking cookies te accepteren.
Hypothese 13
H0: Risicobevindingen bij tracking cookies hebben geen invloed op de aandacht voor cookiemeldingen.
H1: Risicobevindingen bij tracking cookies hebben invloed op de aandacht voor cookiemeldingen.
Hypothese 14
H0: Risicobevindingen bij tracking cookies hebben geen invloed op de intentie om het gebruik van tracking cookies te accepteren.
H1: Risicobevindingen bij tracking cookies hebben invloed op de intentie om het gebruik van tracking cookies te accepteren.
Hypothese 15
H0: Aandacht voor cookiemeldingen heeft geen invloed op de intentie om het gebruik van tracking cookies te accepteren.
H1: Aandacht voor cookiemeldingen heeft invloed op de intentie om het gebruik van tracking cookies te accepteren.
In figuur 4 is visueel weergegeven hoe hypotheses 1 tot en met 15 bij de structurele paden in het model aansluiten.
Figuur 4: Het conceptuele model met bijbehorende hypotheses
De laatste vier hypotheses waren gebaseerd op mogelijke verschillen tussen subgroepen aan de hand van de covariaten geslacht, leeftijd, opleidingsniveau en dagelijkse internet-tijdsbesteding. Hypothese 16
H0: Bij het toestaan van tracking cookies is er geen verschil tussen mannen en vrouwen. H1: Bij het toestaan van tracking cookies is er verschil tussen mannen en vrouwen.
Hypothese 17
H0: Bij het toestaan van tracking cookies is er geen verschil tussen respondenten jonger dan 30 jaar en respondenten van 30 jaar of ouder.
H1: Bij het toestaan van tracking cookies is er verschil tussen respondenten jonger dan 30 jaar en respondenten van 30 jaar of ouder.
Hypothese 18
H0: Bij het toestaan van tracking cookies is er geen verschil tussen respondenten met WO en respondenten met HBO als hoogst genoten opleidingsniveau.
H1: Bij het toestaan van tracking cookies is er verschil tussen respondenten met WO en respondenten met HBO als hoogst genoten opleidingsniveau.
Hypothese 19
H0: Bij het toestaan van tracking cookies is er geen verschil tussen respondenten die hoogstens vier uur en respondenten die minstens vier uur per dag op het internet besteden.
H1: Bij het toestaan van tracking cookies is er verschil tussen respondenten die hoogstens vier uur en respondenten die minstens vier uur per dag op het internet besteden.
Aan de hand van het conceptuele model is de eerste deelvraag beantwoord. Om de tweede deelvraag te beantwoorden zijn de bijbehorende hypotheses getoetst door middel van een kwantitatief onderzoek. Het resultaat van deze toetsing vormt het antwoord op de tweede deelvraag en uiteindelijk de hoofdvraag.
3. METHODE
Om een beter inzicht te krijgen van de factoren die van invloed zijn op het toestaan van tracking cookies door internetgebruikers is een kwantitatief onderzoek uitgevoerd. Bij een survey-onderzoek wordt een kwantitatieve beschrijving gegeven van trends, attitudes of meningen van een populatie door een steekproef van de populatie te bestuderen (Creswell & Creswell, 2017). Er is voor deze opzet gekozen omdat eerdere onderzoeken over het delen van persoonlijke informatie gebruik maakten van vergelijkbare kwantitatieve onderzoeksmethoden met een survey-onderzoek als onderzoeksontwerp (Malhotra et al., 2004; Norberg et al., 2007). Door de vragenlijst op bestaande vragenlijsten te baseren werd de kans dat de resultaten zouden worden beïnvloed door factoren die niet werden gemeten verkleind (Punch, 2003). Tevens werd de kans op meetfouten kleiner doordat er in andere onderzoeken was aangetoond dat dit type meetinstrument over voldoende nauwkeurigheid beschikte (Ponto, 2015).
3.1 Onderzoeksontwerp en materiaal
De enquête voor dit onderzoek is geïmplementeerd in de vorm van een online survey via Google Forms. De vragenlijst van de enquête was grotendeels gebaseerd op de vragenlijst die gebruikt werd bij het onderzoek van Malhotra et al. (2004). Hierbij vormden de stellingen in het eerste deel van de vragenlijst (Appendix 7.A.1) de componenten controle, bewustzijn en verzameling. De eerste drie stellingen van dit onderdeel gingen over privacy-bezorgdheid met betrekking tot controle over persoonlijke informatie, de volgende drie stellingen over privacy-bezorgdheid met betrekking tot bewustzijn van persoonlijke informatie en de laatste vier stellingen over privacy-bezorgdheid met betrekking tot collectie van persoonlijke informatie.
Het tweede deel van de vragenlijst (Appendix 7.A.2) bevatte stellingen om de component aandacht voor cookiemeldingen te meten. Deze component was gebaseerd op het onderzoek van Utz et al. (2019), waarbij werd gemeten in welke mate participanten aandacht besteedden aan cookiemeldingen. Aan de hand van een cookiemelding van de website van de Universiteit van Amsterdam, een cookiemelding die voldeed aan de richtlijnen voor de verwerking van persoonlijke informatie, werd een korte uitleg gegeven over de structuur van cookiemeldingen zoals deze. Vervolgens werd de respondent gevraagd om aan te geven hoe vaak hij of zij normaliter bepaald gedrag vertoonde bij het tegenkomen van zulke cookiemeldingen. Aan de hand van deze stellingen werd gemeten in hoeverre de respondent aandachtig omging met cookiemeldingen. Bij deze component waren de stellingen geformuleerd als acties die iemand zou kunnen ondernemen bij een cookiemelding, zoals het lezen van de tekst of het bekijken van de cookie-instellingen.
Het derde deel van de vragenlijst (Appendix 7.A.3) was gebaseerd op de vragenlijst van Malhotra et al. (2004) en bevatte stellingen voor de componenten vertrouwen, risicobevindingen en intentie om te accepteren binnen de context van tracking cookies. Voor deze onderdelen zijn alleen stellingen gebruikt die bij het onderzoek van Malhotra et al. (2004) voldoende betrouwbaarheid en validiteit hadden. Daarnaast werd de component van de intentie om het gebruik van tracking cookies te accepteren door middel van een enkele stelling gemeten.
Bij het laatste deel van de vragenlijst (Appendix 7.A.4) werd een aantal demografische gegevens verzameld. Hierbij werd ook gevraagd hoeveel uur de respondent gemiddeld per dag op het internet doorbracht. Samen vormden deze gegevens de covariaten die gebruikt konden worden om de respondenten bij subgroepen in te delen. Tot slot werd er nog gevraagd hoe vaak de respondent gemiddeld op een dag in aanraking kwam met cookiemeldingen. Deze vraag werd gesteld om te controleren dat de respondent enigszins ervaring had met het gebruik van cookies op het internet.
De vragen en stellingen uit de vragenlijst van Malhotra et al. (2004) zijn dusdanig aangepast zodat ze van toepassing waren binnen de context van cookies. Zo is de stelling “Bedrijven die online cookies gebruiken moeten openbaar maken hoe gegevens hierbij worden verzameld en gebruikt.” gebaseerd op de stelling “Companies seeking information online should disclose the way the data are collected, processed, and used.”.
Bij alle stellingen, op de covariaten na, konden participanten antwoord geven door middel van 7-punts likertschalen. Deze keuze is gebaseerd op het feit dat een 7-7-punts likertschaal ook door Malhotra et al. (2004) werd toegepast. Bij de meeste stellingen moest de participant aangeven in hoeverre het eens te zijn met de stelling, waarbij (1) voor zeer oneens stond en (7) voor zeer eens. Bij de stellingen over aandacht bij cookiemeldingen moest de participant aangeven in hoeverre de stelling nooit of altijd van toepassing was bij hun eigen gedrag met (1) als nooit en (7) als altijd.
3.2 Participanten en procedure
Internetgebruikers die regelmatig in aanraking kwamen met cookies en cookiemeldingen vormden de populatie voor dit onderzoek. Voordat de enquête werd verspreid is deze eerst op kleine schaal getest om tussentijdse feedback te verkrijgen en de vragenlijst te verbeteren. Voor het verzamelen van data zijn participanten benaderd door middel van convenience sampling. Bij deze sampling-methode wordt de steekproef afgenomen bij personen die eenvoudig bereikbaar zijn en tevens ook bereid zijn om deel te nemen aan het onderzoek (Burns & Burns, 2008). Om deelnemers te verzamelen is de enquête gedurende een periode van twaalf dagen (16 mei - 26 mei 2020) verspreid op diverse social media platformen.
Uiteindelijk is de enquête in totaal door 97 respondenten ingevuld (Appendix 7.B.1), waarvan 55 mannen en 42 vrouwen. De leeftijden van de respondenten varieerde van 18 tot 73 jaar oud (M = 30,7; SD = 14,8). Wat betreft hoogst genoten opleidingsniveau was er bij 37 respondenten sprake van wetenschappelijk onderwijs (WO), bij 32 respondenten hoger beroepsonderwijs (HBO), bij vijf respondenten middelbaar beroepsonderwijs (MBO) en bij de overige 23 respondenten middelbaar onderwijs. Daarnaast moesten respondenten ook aangeven hoeveel tijd zij dagelijks op het internet besteedden. Hierbij ging het bij elf respondenten om meer dan zes uur per dag, bij 38 respondenten om vier tot zes uur, bij 34 respondenten om twee tot vier uur en bij veertien respondenten om één tot twee uur. Alle participanten besteedden minstens een uur per dag op het internet. Bovendien was het voor het onderzoek belangrijk dat respondenten enigszins bekend waren met cookiemeldingen. Dit is gemeten door middel van de covariaat waarbij respondenten moesten aangeven hoe vaak zij cookiemeldingen tegenkwamen. Alle respondenten gaven aan dat ze wekelijks in aanraking kwamen met cookiemeldingen, waarvan 76 meerdere keren per dag cookiemeldingen tegenkwamen.
3.3 Data analyse
De analyses van de data zijn grotendeels gedaan met behulp van de software SmartPLS. Dit programma wordt veelal in een wetenschappelijke context gebruikt voor Structural Equation Modeling (SEM). SEM is een multivariate statistische analysetechniek die het mogelijk maakt om structurele relaties tussen gemeten indicatoren en latente variabelen in een path model te analyseren. De latente variabelen werden gevormd door de componenten uit het conceptuele model, de items uit de vragenlijst vormden de indicatoren. Dankzij SmartPLS werd het mogelijk om een model op te stellen en analysetechnieken zoals het Partial Least Squares (PLS) algoritme en Bootstrapping erop toe te passen. Voor vergelijkingen tussen subgroepen is gebruik gemaakt van de software IBM SPSS Statistics 26. Bij de analyse van de data is ervoor gekozen om de likertschaal waarden te behandelen als waarden op interval niveau. Deze keuze is gemaakt omdat dit het mogelijk maakte om bepaalde analyses uit te voeren zoals onafhankelijke t-toetsen (Brown, 2011).
Voordat de analyse van de data kon beginnen, was het van groot belang dat de dataset van de survey volledig correct was. Items met een te lage betrouwbaarheid, een te lage validiteit of een te lage correlatie met andere items binnen de latente variabele zijn ofwel verplaatst naar een andere latente variabele in het model danwel verwijderd. Zo had de stelling “Wanneer bedrijven mij vragen om cookies te accepteren, denk ik soms twee keer na voordat ik dat doe.” (COL2) een hogere correlatie met de items van de latente variabele aandacht voor cookiemeldingen dan de items van het construct bezorgdheid over collectie. Zodra het model was samengesteld in SmartPLS, werden de hypotheses getoetst. Om dit te doen werd er gekeken naar de structurele paden tussen componenten in het model. Door middel van bootstrapping werd er aan de hand van de p-waarden van deze relaties bepaald of er sprake was van een significante relatie. Toen eenmaal alle structurele paden in het model waren beoordeeld, werden de niet-invloedrijke componenten en structurele paden uit het model verwijderd. Dit resulteerde in het definitieve model.
Bij het definitieve model werden subgroepen aan de hand van de covariaten met elkaar vergeleken. Dit werd allereerst gedaan door de dataset in SmartPLS op te splitsen en de verschillende modellen met elkaar te vergelijken. Door middel van een multi-group analysis werd vervolgens voor iedere covariaat onderzocht of het verschil tussen de twee subgroepen een significant effect had op de waardes van de structurele paden in het model. Tot slot werden de subgroepen nog met elkaar vergeleken aan de hand van onafhankelijke t-toetsen in SPSS. Bij deze t-toetsen werd er alleen gekeken naar de verschillen tussen subgroepen bij de variabele ACC1 waarmee de intentie om het gebruik van tracking cookies te accepteren werd gemeten. Voor het vergelijken van subgroepen gold een vuistregel met betrekking tot het aantal participanten, namelijk dat iedere subgroep uit minimaal dertig participanten bestond (Creswell & Poth, 2016). Op basis van deze vuistregel mocht er een vergelijking worden gedaan tussen mannen (N=55) en vrouwen (N=42), tussen participanten jonger dan 30 jaar (N=63) en participanten van 30 jaar of ouder (N=34), tussen participanten met WO als hoogst genoten opleiding (N=37) en participanten met HBO als hoogst genoten opleiding (N=32) en tot slot ook tussen participanten die hoogstens vier uur per dag op het internet besteedden (N=48) en participanten die minstens vier uur per dag op het internet besteedden (N=49).
4. RESULTATEN
Voor het samenstellen van een model in SmartPLS moest er aan twee vuistregels worden voldaan (Hair Jr, Hult, Ringle & Sarstedt, 2016). Allereerst moest het aantal participanten van de steekproef minimaal tien keer zo groot zijn als het grootste aantal indicatoren van een construct in het model. Aan deze voorwaarde werd voldaan aangezien het aantal participanten (N=97) groter was dan tienmaal het grootste aantal indicatoren bij een construct, namelijk vier bij het construct risicobevindingen. Daarnaast moest het aantal participanten minimaal tien keer zo groot zijn als het grootste aantal structurele paden die op een construct waren gericht. In het geval van de eerste versie van het model ging het hier om drie structurele paden die op één construct waren gericht. Ook aan deze voorwaarde werd dus voldaan.
4.1 Eerste model
Op basis van de theoretische bevindingen die het conceptuele model vormden en de verzamelde data is in SmartPLS een model samengesteld. Hierin zijn de componenten van het conceptuele model geïmplementeerd als latente variabelen. Deze latente variabelen zijn gekoppeld aan indicatoren, de stellingen uit de vragenlijst. Door de latente variabelen via structurele paden aan elkaar te koppelen werd het mogelijk om het conceptuele model na te bootsen. In figuur 5 is de eerste versie van het model te zien nadat het PLS algoritme was uitgevoerd. Dit model bevat geen indicatoren met een correlerende score lager dan 0,7, deze waren verplaatst naar een andere latente variabele of verwijderd uit het model.
De variabelen in dit eerste model verklaarden 44,8% van de variantie bij de gedragsintentie om het gebruik van tracking cookies te accepteren. Voordat er naar de significantie van de structurele paden werd gekeken is er eerst nog gekeken naar de betrouwbaarheid en de validiteit van de latente variabelen in het model. Om voor ieder construct de betrouwbaarheid te meten werd de Cronbach’s alpha waarde berekend (Appendix 7.B.2). Bij het beoordelen van de Cronbach’s alpha waarde wordt de vuistregel gehanteerd dat een acceptabele waarde minimaal 0,7 moet zijn (George & Mallery, 2003). Binnen dit model voldeden alle constructen aan deze vuistregel. De alpha waarde van het construct risicobevindingen was zelfs 0,905 en beschikte daarom over een excellente betrouwbaarheid.
Om de validiteit van het model te meten berekende het PLS algoritme voor ieder construct twee coëfficiënten; de convergente validiteit en de discriminante validiteit (Appendix 7.B.2). Convergente validiteit is de mate waarin indicatoren binnen een latente variabele met elkaar correleren. Deze vorm van validiteit werd door het PLS algoritme gemeten door de ‘Average Variance Extracted’ (AVE) te berekenen. AVE is het gemiddelde van de totale variantie binnen de indicatoren van een latente variabele. Hierbij geldt de vuistregel dat een waarde acceptabel is als deze hoger is dan 0,5, dat zou betekenen dat meer dan de helft van de variantie binnen de indicatoren van de latente variabele door de latente variabele wordt verklaard (Hair Jr et al., 2016). Ieder construct in het model had een AVE waarde van minimaal 0,5. Discriminante validiteit is de mate waarin indicatoren die volgens de indeling van de latente variabelen niet aan elkaar gerelateerd zijn ook daadwerkelijk niet aan elkaar gerelateerd zijn. Deze validiteit werd gemeten door de ‘Heterotrait-Monotrait Ratio of Correlations’ (HTMT) te berekenen. Bij deze coëfficiënt wordt de vuistregel gehanteerd dat een waarde lager dan 0,9 moet zijn (Hair Jr et al., 2016). In het model voldeed elke latente variabele aan deze voorwaarde.
Naast de betrouwbaarheid en de validiteit is er ook gecontroleerd op collineariteit, waarbij werd gecontroleerd of bepaalde variabelen moesten worden verwijderd of worden samengevoegd (Wong, 2013). Deze potentiële collineariteit werd gemeten aan de hand van de Inner ‘Variance Inflation Factor’ (VIF) waarden (Appendix 7.B.2). Over het algemeen wordt de vuistregel gehanteerd dat een Inner VIF waarde hoogstens 5 mag zijn om problemen met betrekking tot collineariteit te vermijden (Hair Jr et al., 2016). Ook bij deze coëfficiënt voldeed het model aan de vuistregel.
4.2 Structurele paden
Nadat bevestigd was dat de latente variabelen van het model correct waren, werd het mogelijk om de significantie van de structurele paden in het model te toetsen. Dit werd gedaan door de techniek bootstrapping toe te passen. Bij uitvoering van deze techniek wordt in de vorm van p-waarden de significantie van alle structurele paden in het model berekend. Bij een relatie tussen twee latente variabelen kan aan de hand van de p-waarde worden beoordeeld of er sprake is van een significante relatie. Bij een alpha grenswaarde van 5% is er sprake van significantie als de p-waarde lager is dan 0,05. De p-p-waarden van de relaties in het model vormden de basis voor het toetsen van de eerste vijftien hypotheses. Telkens werd de nulhypothese getoetst, indien er sprake was van een significante invloed werd de nulhypothese verworpen, waarbij de alternatieve hypothese werd geaccepteerd.
Hypothese 1: Controle heeft invloed op het vertrouwen in het gebruik van tracking cookies. De invloed van de component controle op het vertrouwen in het gebruik van tracking cookies bleek niet significant te zijn (p = 0,188). Dit hield in dat de originele hypothese H0 dat er geen invloed zou zijn werd behouden, en de alternatieve hypothese H1 dat er wel invloed zou zijn werd verworpen.
Hypothese 2: Controle heeft invloed op risicobevindingen bij het gebruik van tracking cookies. Bij de component controle bleek dat ook de invloed op risicobevindingen bij het gebruik van tracking cookies niet significant was (p = 0,484). Ook hier werd dus de hypothese H0 dat er geen invloed zou zijn geaccepteerd, waarbij de alternatieve hypothese H1 dat er wel een invloed zou zijn werd genegeerd.
Hypothese 3: Controle heeft invloed op de aandacht voor cookiemeldingen. Daarnaast bleek ook de invloed van controle op de component aandacht voor cookiemeldingen niet significant te zijn (p = 0,967). Opnieuw werd de hypothese H0 dat er geen invloed zou zijn geaccepteerd en de alternatieve hypothese H1 werd afgekeurd.
Hypothese 4: Bewustzijn heeft invloed op het vertrouwen in het gebruik van tracking cookies. De invloed van de component bewustzijn op de component vertrouwen bleek wel significant te zijn (p = 0,007). In dit geval werd de originele hypothese H0 dat er geen invloed zou zijn verworpen en werd de alternatieve hypothese H1 geaccepteerd.
Hypothese 5: Bewustzijn heeft invloed op risicobevindingen bij het gebruik van tracking cookies’. Bij de invloed van bewustzijn op de component risicobevindingen was er ook sprake van een significante waarde (p = 0,005). Ook hier werd de originele hypothese H0 verworpen en de alternatieve hypothese H1 geaccepteerd.
Hypothese 6: Bewustzijn heeft invloed op de aandacht voor cookiemeldingen. De invloed van bewustzijn op aandacht voor cookiemeldingen bleek niet significant te zijn (p = 0,236). Hierbij werd de originele hypothese H0 dus geaccepteerd waarbij de alternatieve hypothese H1 niet werd aangenomen.
Hypothese 7: Collectie heeft invloed op het vertrouwen in het gebruik van tracking cookies. Bij de component collectie bleek de invloed op de component vertrouwen niet significant te zijn (p = 0,876). De originele hypothese H0 werd geaccepteerd en de alternatieve hypothese H1 werd verworpen.
Hypothese 8: Collectie heeft invloed op risicobevindingen bij het gebruik van tracking cookies’. Na het toepassen van bootstrapping bleek wel dat de component collectie een significante invloed heeft op de risicobevindingen (p < 0,001). Hierdoor werd de originele hypothese H0 verworpen waarbij de alternatieve hypothese H1 werd aangenomen.
Hypothese 9: Collectie heeft invloed op de aandacht voor cookiemeldingen. Na het uitvoeren van bootstrapping bleek deze relatie net aan niet significant te zijn (p = 0,073). Het kon echter zo zijn dat de grootte van de steekproef hierbij een rol speelde. Het verhogen van de steekproefgrootte kan leiden tot significante waardes bij relaties waar net niet sprake is van significantie. Op basis hiervan werd ervan uitgegaan dat de relatie tussen collectie en aandacht wel significant was indien de steekproefgrootte hoger was geweest. De originele hypothese H0 dat er geen invloed zou zijn werd alsnog verworpen en de alternatieve hypothese H1 werd aangenomen.
Hypothese 10: Vertrouwen in het gebruik van tracking cookies heeft invloed op risicobevindingen bij het gebruik van tracking cookies. Bij de invloed van de component vertrouwen op de component risicobevindingen lag de p-waarde met een minimaal verschil boven de grenswaarde (p = 0,051). Ook bij deze relatie werd de originele hypothese H0 toch verworpen om de alternatieve hypothese H1 te accepteren. Door dit te doen werd de kans dat de nulhypothese onterecht werd verworpen met een zeer klein percentage ietswat groter, maar omdat de waarde zo dicht bij de grenswaarde lag was het aannemelijk om ervan uit te gaan dat deze waarde wel significant zou zijn als de steekproefomvang groter was geweest.
Hypothese 11: Vertrouwen in het gebruik van tracking cookies heeft invloed op de aandacht voor cookiemeldingen. Ook de invloed van vertrouwen op de component aandacht bleek significant te zijn (p = 0,024). De nulhypothese werd verworpen en de alternatieve hypothese werd aangenomen.
Hypothese 12: Vertrouwen in tracking cookies heeft invloed op de intentie om het gebruik van tracking cookies te accepteren. De invloed van de component vertrouwen op de intentie om te accepteren bleek ook significant te zijn (p = 0,031). Hierbij werd de nulhypothese dat er geen invloed zou zijn verworpen, de alternatieve hypothese dat er wel invloed zou zijn werd geaccepteerd.
Hypothese 13: Risicobevindingen bij tracking cookies hebben invloed op de aandacht voor cookiemeldingen. Naast de component vertrouwen bleek ook de component risicobevindingen een significante invloed te hebben op de aandacht voor cookiemeldingen (p = 0,016). De nulhypothese werd verworpen en de alternatieve hypothese werd aangenomen.
Hypothese 14: Risicobevindingen bij tracking cookies hebben invloed op de intentie om het gebruik van tracking cookies te accepteren. Daarnaast bleek ook de invloed van risicobevindingen op de intentie om te accepteren significant te zijn (p < 0,001). Ook in dit geval werd de nulhypothese verworpen en de alternatieve hypothese aangenomen.
Hypothese 15: Aandacht voor cookiemeldingen heeft invloed op de intentie om het gebruik van tracking cookies te accepteren. De invloed van aandacht voor cookiemeldingen op de intentie om tracking cookies te accepteren bleek echter niet significant te zijn (p = 0,760). Bij deze relatie werd de nulhypothese dus geaccepteerd waarbij de alternatieve hypothese werd afgewezen.
Figuur 6: Visuele weergave van de resultaten voor hypotheses 1 tot en met 15
4.3 Definitieve model
Nadat iedere relatie in het model was getoetst werden de niet-significante relaties verwijderd, met als resultaat het definitieve model dat 44,7% van de variantie bij de gedragsintentie om het gebruik van cookies te accepteren verklaarde (figuur 7).
Het verwijderen van niet-significante relaties heeft ervoor gezorgd dat de latente variabele van de privacy-bezorgdheid met betrekking tot controle volledig is verwijderd uit het model, omdat geen van de relaties een significant effect hadden op andere latente variabelen van het model. In appendix 7.B.3 zijn de gedetailleerde resultaten van analyses bij het definitieve model vermeld. Het definitieve model voldeed aan de vuistregels met betrekking tot betrouwbaarheid, validiteit en potentiële collineariteit.
Wat betreft effectgrootte (Appendix 7.B.3) bleek dat de component privacy-bezorgdheid met betrekking tot collectie een groot effect had op de risicobevindingen bij het gebruik van tracking cookies (𝐹2= 0,448), welke vervolgens zelf een groot effect had op de gedragsintentie om het
gebruik van tracking cookies te accepteren (𝐹2= 0,636). Bij de overige relaties was er sprake van
middelmatige effectgroottes.
Daarnaast werd er ook gekeken naar de bepalingscoëfficiënt 𝑅2 om de verklaarde variantie van
elk endogene construct te meten (Appendix 7.B.3). De waarde van 𝑅2 kan tussen 0 en 1 variëren
waarbij er voor de waarden 0,75, 0,5 en 0,25 wordt gesproken over respectievelijk substantiële, redelijke en zwakke waardes (Sarstedt, Ringle & Hair, 2017). Het construct risicobevindingen had een redelijke score (𝑅2= 0,553) terwijl het construct vertrouwen een zwakke score had (𝑅2=
0,037).
4.4 Subgroepen
Nadat het definitieve model was samengesteld is er onderzocht of bepaalde subgroepen van elkaar verschilden. De subgroepen waren gebaseerd op covariaten uit de vragenlijst en werden onderzocht volgens de resterende hypotheses. Voor iedere hypothese werd er allereerst voor de twee groepen gekeken naar de modellen ten gevolge van het PLS algoritme. Hierna werd er door middel van een multi-group analysis gekeken of de covariaat een significante invloed uitoefende op de structurele paden in het model. Tot slot werden de twee groepen met elkaar vergeleken bij een onafhankelijke t-test op de variabele waarmee de intentie om tracking cookies te accepteren werd gemeten.
Hypothese 16: Bij het toestaan van tracking cookies is er verschil tussen mannen en vrouwen. Bij de mannelijke respondenten (Appendix 7.C.1) was de verklaarde variantie bij de intentie om te accepteren slechts 34,9%, waarbij de component risicobevindingen met een invloedrijk effect van -0,482 een redelijke invloed had op de intentie om te accepteren. Het model voor vrouwelijke respondenten (Appendix 7.C.1) gaf een verklaring van 60,6% voor de variantie bij de intentie om te accepteren. Ook bij dit model werd dit vooral door de risicobevindingen verklaard, met een waarde van -0,758. Uit de resultaten van de multi-group analysis bleek er bij geen enkel structureel pad in het model sprake te zijn van significantie. Bij de resultaten van de onafhankelijke t-test tussen mannen (M = 3,73; SD = 1,72) en vrouwen (M = 3,14; SD = 1,76) werd ook geen significant verschil tussen de subgroepen aangetroffen (t(95) = 1,64; p = 0,104). De nulhypothese dat er geen verschil zou zijn werd niet verworpen.
Hypothese 17: Bij het toestaan van tracking cookies is er verschil tussen respondenten jonger dan 30 jaar en respondenten van 30 jaar of ouder. Het model voor respondenten jonger dan 30 jaar (Appendix 7.C.2) gaf een verklaarde variantie van 46,2% voor de intentie om te accepteren. Dit werd met een score van -0,550 door de factor risicobevindingen verklaard. Bij het model voor respondenten van 30 jaar of ouder (Appendix 7.C.2) werd 46,9% van de variantie binnen de intentie om te accepteren verklaard. Hierbij was de component risicobevindingen verklarend met een effect van -0,665. Na uitvoering van de multi-group analysis was er bij geen enkel structureel pad in het model sprake van significantie. Als resultaat van de onafhankelijke t-test tussen de respondenten jonger dan 30 jaar (M = 3,71; SD = 1,80) en de respondenten van 30 jaar en ouder (M = 3,03; SD = 1,59) bleek het verschil tussen de twee subgroepen niet significant te zijn (t(95) = 1,86; p = 0,066). Bij het resultaat van de t-toets viel op dat de p-waarde zeer dichtbij het criterium van 0,05 lag. In principe werd de nulhypothese op basis van deze resultaten geaccepteerd, maar indien het criterium met een kleine marge werd verhoogd was het acceptabel geweest om de nulhypothese te verwerpen.
Hypothese 18: Bij het toestaan van tracking cookies is er verschil tussen respondenten met WO en respondenten met HBO als hoogst genoten opleidingsniveau. Onder de respondenten met WO als hoogst genoten opleidingsniveau (Appendix 7.C.3) werd een verklaarde variantie van 63,6% aangetroffen. Bij dit model oefende de factor risicobevindingen met een waarde van -0,624 invloed uit op de intentie om te accepteren. Bij het HBO-model (Appendix 7.C.3) was er sprake van een verklaarde variantie van 34,5% voor de intentie om te accepteren, waarbij de component risicobevindingen een invloed van -0,543 had. Uit de resultaten van de multi-group analysis bleek dat de twee groepen bij geen van de structurele paden in het model significant van elkaar verschillen. Daarnaast was er volgens de onafhankelijke t-test tussen de respondenten met WO als hoogst genoten opleidingsniveau (M = 3,65; SD = 1,72) en de respondenten met HBO als hoogst genoten opleidingsniveau (M = 3,19; SD = 1,69) ook geen sprake van een significant verschil (t(67) = 1,12; p = 0,267). De nulhypothese dat er geen verschil zou zijn werd behouden.
Hypothese 19: Bij het toestaan van tracking cookies is er verschil tussen respondenten die hoogstens vier uur en respondenten die minstens vier uur per dag op het internet besteden. Het model voor respondenten die hoogstens vier uur per dag op het internet besteedden (Appendix 7.C.4) gaf voor de intentie om tracking cookies te accepteren een verklaarde variantie van 57,5%. Hierbij was de component risicobevindingen met een waarde van -0,743 verklarend voor de intentie om te accepteren. Bij de respondenten die minstens vier uur per dag op het internet besteedden (Appendix 7.C.4) werd een verklaarde variantie van 39,4% gevonden. Hierbij had de factor risicobevindingen met een waarde van -0,536 een verklarende rol voor de intentie om te accepteren. Bij de resultaten van de multi-group analysis werd bij geen enkele relatie in het model significant aangetroffen. Uit de resultaten van de onafhankelijke t-test tussen de respondenten die hoogstens vier uur per dag op het internet doorbrachten (M = 3,44; SD = 1,61) en de respondenten die dat minstens vier uur per dag deden (M = 3,51; SD = 1,89) bleek er ook geen significant verschil te zijn tussen de twee groepen (t(95) = -0,20; p = 0,839). De alternatieve hypothese dat er wel verschil zou zijn werd genegeerd.
5. DISCUSSIE
Voor dit onderzoek is er onderzocht welke factoren een verklaring geven voor het toestaan van tracking cookies door internetgebruikers. Aan de hand van bevindingen uit het literatuuronderzoek is een conceptueel model samengesteld met factoren die mogelijk een rol speelden bij de verklaring voor de intentie om het gebruik van tracking cookies toe te staan. Deze eerste versie van het model bevatte zes verschillende componenten die mogelijk een verklarende rol hadden voor de acceptatie. Hierbij vielen drie componenten onder het thema privacy-bezorgdheid, respectievelijk over de controle over persoonlijke informatie, het bewustzijn over het delen van persoonlijke informatie en de collectie van persoonlijke informatie. De overige drie verklarende componenten bestonden uit het vertrouwen in het gebruik van tracking cookies, de risicobevindngen bij het gebruik van tracking cookies en de gemiddelde aandacht voor cookiemeldingen.
Uit de resultaten van het kwantitatieve survey-onderzoek is gebleken dat de meeste structurele paden tussen componenten in het model inderdaad significant waren. Het definitieve model verklaarde op redelijke wijze 44,7% van de variantie bij de intentie om te accepteren. Dit kwam vooral door de component risicobevindingen, en deels door de component vertrouwen. Indirect speelden ook de factoren privacy-bezorgdheid over collectie en bewustzijn een significante rol. Wat betreft de covariaten was er bij geen van de onderzochte subgroepen sprake van een significant verschil, alhoewel het verschil tussen respondenten jonger dan 30 jaar en respondenten van 30 jaar en ouder met een kleine marge net niet significant was.
5.1 Limitaties
Bij dit onderzoek zijn enkele beperkingen aanwezig die van invloed kunnen zijn op de resultaten. Ten eerste vormt de steekproefgrootte mogelijk een obstakel voor de beoordeling van de hypotheses. Bij sommige hypotheses was het namelijk zo dat de relatie tussen twee componenten in het model net niet significant genoeg was volgens het criterium. Het verhogen van de steekproefgrootte kan zou kunnen leiden tot meer significantie. Op basis van deze kans is er bij sommige hypotheses toch voor gekozen om de nulhypothese te verwerpen, terwijl dit niet zo was geweest als het criterium werd gehandhaafd.
Daarnaast verklaart het model 44,7% van de variantie bij de intentie om tracking cookies te accepteren. Dit is een redelijke score, maar betekent ook dat meer dan de helft van de variantie niet wordt verklaard. Een mogelijke reden hiervoor is dat er te weinig potentiële factoren zijn onderzocht bij de samenstelling van het conceptuele model. Dit heeft ertoe kunnen leiden dat bepaalde factoren nog ontbreken in het model, die wel een verklarende rol zouden innemen. Bovendien zijn de observaties van het kwantitatieve survey-onderzoek volledig gebaseerd op zelfgerapporteerde waarnemingen van participanten. Hierdoor wordt er alleen gekeken naar het zelfbeeld van de respondenten, en wellicht niet naar het gedrag dat zij vertonen in de praktijk. Het is belangrijk dat er onderscheid wordt gemaakt tussen de intentie van internetgebruikers om cookies te accepteren en het gedrag dat daadwerkelijk wordt vertoond.
5.2 Theoretische en praktische implicaties
Dit onderzoek is grotendeels gebaseerd op de bevindingen van voorgaande onderzoeken over mogelijke verklaringen voor het delen van persoonlijke informatie. De resultaten van dit onderzoek tonen veel overeenkomsten met het onderzoek van Malhotra et al. (2004). Bij beide modellen is privacy-bezorgdheid van invloed op het vertrouwen en de risicobevindingen, welke vervolgens een directe relatie hebben met de intentie om te accepteren. Bovendien troffen Malhotra et al. (2004) aan dat leeftijd van invloed is op de acceptatie-variabele. Bij dit onderzoek was dit met een kleine marge net niet het geval.
Daarnaast hebben de resultaten van dit onderzoek ook veel gemeen met het onderzoek van Norberg et al. (2007). Ook binnen de context van tracking cookies blijkt dat de factoren risicobevindingen en vertrouwen een verklarende rol innemen voor het delen van persoonlijke informatie. Het is opvallend dat vooral de factor risicobevindingen een belangrijke rol speelt voor de verklaring, waarbij de factor vertrouwen dit in een mindere mate heeft. Mogelijk impliceert dit dat de component risicobevindingen bepalend is voor de intentie om te accepteren, terwijl de component vertrouwen eerder van toepassing is bij het gedrag dat internetgebruikers daadwerkelijk vertonen met betrekking tot de acceptatie van tracking cookies. Dit is immers de theorie die bij het onderzoek van Norberg et al. (2007) werd onderzocht.
De factor aandacht voor cookiemeldingen draagt volgens de resultaten niet bij aan de verklaring voor de intentie om tracking cookies te accepteren. Een mogelijke verklaring hiervoor is dat aandacht contextafhankelijk is, en daardoor wellicht wel een verklarende rol heeft voor het vertoonde gedrag met betrekking tot de acceptatie van tracking cookies in tegenstelling tot slechts de intentie om tracking cookies te accepteren.
Wat betreft praktische implicaties kunnen de resultaten van dit onderzoek relevant zijn voor organisaties die gebruik maken van tracking cookies. Op basis van de informatie dat vertrouwen en risicobevindingen een belangrijke rol innemen zouden organisaties hierop kunnen inspelen om de acceptatie van tracking cookies door websitebezoekers te verhogen. Een voorbeeld hiervan is dat een organisatie haar websitebezoekers van meer informatie over beveiliging tegen potentiële risico’s zal voorzien, om zo het vertrouwen in het gebruik van tracking cookies te verbeteren.
5.3 Vervolgonderzoek
Bij dit onderzoek zijn de mogelijke verklarende factoren voor de acceptatie van tracking cookies bepaald aan de hand van bevindingen uit een literatuurstudie. Hierdoor is er een kans aanwezig dat bepaalde factoren, die wel belangrijk zijn, niet werden meegenomen bij de samenstelling van het conceptuele model. Vervolgonderzoek zou gebruik kunnen maken van een kwalitatief onderzoek om een breder beeld te creëren van potentiële factoren. Door dit onderwerp via een kwalitatieve onderzoeksmethode minder oppervlakkig te onderzoeken zou het mogelijk worden om een beter begrip te vormen voor de factoren die een verklarende rol innemen bij de acceptatie van tracking cookies.
Voor een kwantitatieve onderzoeksmethode zou het voor vervolgonderzoek een aanbeveling zijn om een groter aantal participanten te verzamelen. Het verhogen van de steekproefgrootte kan immers tot meer significantie leiden. Daarnaast zorgt het verhogen van de steekproefgrootte ervoor dat de validiteit van het onderzoek wordt verbeterd (Burns & Burns, 2008). Ook de kans op een sampling error zou hierdoor kleiner worden (Bartlett, Kotrlik & Higgins, 2001). Een sampling error is een veelvoorkomende valkuil als het gaat om surveyonderzoek. Het vindt plaats wanneer onderzoekers een willekeurige steekproef nemen in plaats van de hele populatie onderzoeken (Burns & Burns, 2008). Door de steekproef met meer participanten uit te breiden wordt de kans dat dit gebeurt kleiner.
Vervolgonderzoek zou zich ook kunnen richten op het gedrag dat internetgebruikers in een realistische context vertonen met betrekking tot de acceptatie van tracking cookies, in tegenstelling tot slechts de initiële intentie die zij hebben om tracking cookies te accepteren. Kokolakis (2017) omschreef in zijn onderzoek dat het delen van persoonlijke informatie in een online omgeving afhankelijk is van de context, voor vervolgonderzoek zou het van belang zijn om hier rekening mee te houden. Een mogelijk onderzoeksontwerp hiervoor is het opzetten van een online website of applicatie waarbij participanten op realistische wijze kunnen interacteren met cookiemeldingen. Een opzet zoals deze zou het mogelijk maken om zowel het gedrag dat internetgebruikers in de praktijk vertonen als de invloed van contextuele factoren te onderzoeken.
5.4 Conclusie
Dit onderzoek heeft als doel om een bijdrage te leveren aan het onderzoeksgebied van verklaringen voor het delen van persoonlijke informatie. Hierbij is specifiek gekeken naar het toestaan van het gebruik van tracking cookies door internetgebruikers. Uit de resultaten is gebleken dat risicobevindingen bij het gebruik van tracking cookies, vertrouwen in het gebruik van tracking cookies en privacy-bezorgdheid met betrekking tot bewustzijn en de collectie van persoonlijke informatie een verklarende rol innemen. Opvallend is dat de privacy-bezorgdheid met betrekking tot controle en aandacht voor cookiemeldingen geen significante verklaring geven voor de intentie om tracking cookies te accepteren. Tevens werd er bij geen van de covariaten een significant verschil aangetroffen tussen subgroepen, alhoewel er bij de twee verschillende leeftijdsgroepen net aan geen sprake was van significantie.
Aan de hand van deze bevindingen is er een beeld geschetst van de factoren die een rol spelen bij het toestaan van tracking cookies door internetgebruikers en is de onderzoeksvraag dus beantwoord. Vanuit een academisch perspectief is het interessant dat is gebleken dat de componenten vertrouwen en risicobevindingen ook binnen de context van cookies een belangrijke rol spelen met betrekking tot de intentie om persoonlijke informatie te delen. Uiteindelijk heeft dit onderzoek bevestigd dat bestaande theorieën over verklaringen voor het delen van persoonlijke informatie ook van toepassing zijn binnen de specifieke context van online cookies. Vanwege dit gegeven kan er geconcludeerd worden dat dit onderzoek een bijdrage heeft geleverd aan de verdere theorieontwikkeling binnen het onderzoeksveld van verklaringen voor het delen van persoonlijke informatie.
6. LITERATUURLIJST
Barth, S., & De Jong, M. D. (2017). The privacy paradox - Investigating discrepancies between expressed privacy concerns and actual online behavior - A systematic literature review.
Telematics and Informatics, 34(7), 1038-1058.
Bartlett, J. E., Kotrlik, J. W., & Higgins, C. C. (2001). Organizational Research: Determining Appropriate Sample Size in Survey Research. Information Technology, Learning, and Performance
Journal, 19(1), 43-50.
Brown, J. D. (2011). Likert items and scales of measurement. Statistics, 15(1), 10-14.
Burns, R. B., & Burns, R. A. (2008). Business Research Methods and Statistics Using SPSS. SAGE Publications.
Creswell, J. W., & Creswell, J. D. (2017). Research design: Qualitative, quantitative, and mixed
methods approaches. SAGE Publications.
Creswell, J. W., & Poth, C. N. (2016). Qualitative inquiry and research design: Choosing among five
approaches. SAGE Publications.
Degeling, M., Utz, C., Lentzsch, C., Hosseini, H., Schaub, F., & Holz, T. (2018). We value your privacy... now take some cookies: Measuring the GDPR's impact on web privacy. arXiv preprint arXiv:1808.05096.
Diney, T. (2014). Why would we care about privacy? European Journal of Information Systems, 23, 97-102.
George, D., & Mallery, M. (2003). Using SPSS for Windows step by step: a simple guide and reference.
Greengard, S. (2012). Advertising gets personal. Communications of the ACM, 55(8), 18-20. Hair Jr, J. F., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2016). A primer on partial least squares
structural equation modeling (PLS-SEM). SAGE Publications.
Hoffman, D. L., Novak, T. P., & Peralta, M. (1999). Building consumer trust online. Communications
of the ACM, 42(4), 80-85.
Kokolakis, S. (2017). Privacy attitudes and privacy behaviour: A review of current research on the privacy paradox phenomenon. Computers & Security, 64, 122-134.
Lutz, C., & Strathoff, P. (2014). Privacy Concerns and Online Behaviour - Not so Paradoxical after all? Viewing the Privacy Paradox through different theoretical lenses.
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.
Norberg, P. A., Horne, D. R., & Horne, D. A. (2007). The Privacy Paradox: Personal Information Disclosure Intentions versus Behaviours. The Journal of Consumer Affairs, 41(1), 100-126. Ponto, J. (2015). Understanding and Evaluating Survey Research. Journal of the Advanced
Practitioner in Oncology, 6(2), 168–171.
Pötzsch S. (2009) Privacy Awareness: A Means to Solve the Privacy Paradox? Matyáš V., Fischer-Hübner S., Cvrček D., Švenda P. (eds) The Future of Identity in the Information Society. Privacy and Identity. IFIP Advances in Information and Communication Technology, 298.
Punch, K. F. (2003). Survey Research. SAGE Publications.
Sabillon, R., Cano, J., Cavaller Reyes, V., & Serra Ruiz, J. (2016). Cybercrime and cybercriminals: a comprehensive study. International Journal of Computer Networks and Communications Security,
4(6).
Sarstedt, M., Ringle, C. M., & Hair, J. F. (2017). Partial Least Squares Structural Equation Modeling.
Handbook of Market Research, 1–40. https://doi.org/10.1007/978-3-319-05542- 8_15-1
Schoenbachler, D. D., & Gordon, G. L. (2002). Trust and customer willingness to provide information in database-driven relationship marketing. Journal of interactive marketing, 16(3), 2-16.
Toubiana, V., Narayanan, A., Boneh, D., Nissenbaum, H., & Barocas, S. (2010). Adnostic: Privacy preserving targeted advertising. In Proceedings Network and Distributed System Symposium. Urban, T., Degeling, M., Holz, T., & Pohlmann, N. (2020, April). Beyond the front page: Measuring third party dynamics in the field. In Proceedings of The Web Conference 2020, pp. 1275-1286. Utz, C., Degeling, M., Fahl, S., Schaub, F., & Holz, T. (2019). (Un) informed Consent: Studying GDPR Consent Notices in the Field. Proceedings of the 2019 ACM SIGSAC Conference on Computer and
Communications Security, 973-990.
Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly,
36, 157-178.
Wakefield, R. (2013). The influence of user affect in online information disclosure. The Journal of
Westin, A. F. (1968). Privacy and freedom. Washington and Lee Law Review, 25(1), 166.
Wong, K. K. K. (2013). Partial least squares structural equation modeling (PLS-SEM) techniques using SmartPLS. Marketing Bulletin, 24(1), 1-32.
Yao, M. Z., Rice, R. E., & Wallis, K. (2007). Predicting user concerns about online privacy. Journal
7. APPENDIX
Appendix A - Survey vragenlijst
7.A.1 - Online privacy (7-punts likertschaal “Zeer oneens” - “Zeer eens”)
CON1: Online privacy is het recht dat je controle hebt en zelf beslissingen kunt nemen over de manier waarop jouw persoonlijke informatie online wordt verzameld, gebruikt en gedeeld. CON2: Controle over persoonlijke informatie vormt de kern van de online privacy van internetgebruikers.
CON3: Ik vind dat mijn online privacy wordt geschonden wanneer ik weinig tot geen controle heb over mijn persoonlijke informatie vanwege de marketingdoeleinden van bedrijven.
BEW1: Bedrijven die online cookies gebruiken moeten openbaar maken hoe gegevens hierbij worden verzameld en gebruikt.
BEW2: Een goed online privacybeleid moet voor gebruikers duidelijk en goed te herkennen zijn. BEW3: Ik vind het belangrijk dat ik op de hoogte ben en weet hoe mijn persoonlijke informatie wordt gebruikt bij het gebruik van cookies.
COL1: Ik vind het vervelend als bedrijven mij vragen om het gebruik van cookies te accepteren. COL2: Wanneer bedrijven mij vragen om cookies te accepteren, denk ik soms twee keer na voordat ik dat doe.
COL3: Ik vind het vervelend dat ik bij zo veel verschillende websites cookies moet accepteren. COL4: Ik maak mij zorgen dat websites en bedrijven online te veel persoonlijke informatie over mij verzamelen.
7.A.2 - Cookiemeldingen (7-punts likertschaal “Nooit” - “Altijd”)
AAN1: Bij cookiemeldingen zoals deze lees ik de tekst in de cookiemelding globaal door voordat ik een keuze maak over het gebruik van cookies.
AAN2: Bij cookiemeldingen zoals deze bekijk ik welke verschillende soorten cookies worden gebruikt voordat ik een keuze maak over het gebruik van cookies.
AAN3: Bij cookiemeldingen zoals deze controleer ik of ik tevreden ben met mijn cookie-instellingen voordat ik een keuze maak over het gebruik van cookies.
AAN4: Bij cookiemeldingen zoals deze klik ik op “Meer informatie over cookies” voordat ik een keuze maak over het gebruik van cookies.
