当期荐读 2024年第1期 | 社交媒体中健康信息可信度的影响因素研究：先验知识的调节作用
图源 | Internet
王孝盼1,2 张淼3 吴懿3,4 张晓飞5
1.浙江工商大学工商管理学院，杭州，310018；
2.浙江工商大学企业数智化与商务分析研究中心，杭州，310015；
3.天津大学管理与经济学部，天津，300072；
4.天津大学复杂管理系统实验室，天津，300072；
5.南开大学商学院，天津，300072
摘 要
Abstract
基于双路径模型，以社交媒体网站干预措施中的事实核查为研究对象，探究了来源评级和内容评级两种事实核查手段对用户感知信息可信度和后续信息参与行为的影响，并考虑个体先验知识在其中的调节作用。通过一个包含202个被试的线上情境实验发现，两种评级机制均正向影响感知可信度，且感知可信度正向影响用户阅读、点赞、发表支持性评论和转发信息的意愿，但对于发表反驳性评论的意愿影响不显著。先验知识对于内容评级的影响具有负向调节作用，而对来源评级的影响调节作用不显著。本研究结论丰富了社交媒体健康信息可信度的相关文献和理论，同时也为社交媒体信息干预机制的设计提供管理启示。
关键词
虚假健康信息 感知可信度 双路径模型 来源评级 内容评级 先验知识
引用格式
王孝盼，张淼，吴懿，等.社交媒体中健康信息可信度的影响因素研究：先验知识的调节作用[J].信息资源管理学报，2024,14(1):55-67.
01 引言
近年来，互联网已经成为人们获取医疗信息的重要途径[1]。用户通过互联网搜寻健康信息，甚至将其作为获取医疗建议的首要选择[2]。随着社交应用的普及，社交媒体逐渐成为用户获取、传播健康信息以及获得情感支持的重要途径[3-4]。与此同时，大量不准确的健康信息开始在社交媒体中大肆传播[5]。不同于娱乐新闻、体育新闻等娱乐性信息，面对未经证实的健康信息，大部分用户并没有足够的专业知识对其进行理性判断[1]，因此容易错误地采用并进一步传播，最终引发公众恐慌和社会不稳定[6-9]。由此可见，虚假健康信息在社交媒体中的传播成为亟需解决的问题。
用户对健康信息的判断往往受其知识水平、平台特征等的影响[10]。这种甄别信息的方式很大程度上取决于用户的主观印象，准确程度并不高。因此，单纯依靠用户的自身能力对健康信息进行判断具有很大风险。为了应对这种情况，部分学者提出了政府监管、官方账号澄清等多种应对方式[11-12]。但是这些方法存在滞后性，无法在用户接收到信息时及时进行干预。因此许多网站采取了事实核查的手段，即在用户接收到信息前对信息内容进行评估，并且在用户接收到信息时向其提供线索，以帮助他们更加理性地分析[13]。
目前，针对信息内容和信息来源的事实核查是研究者关注的主要方向之一。已有关于信息来源的事实核查的研究较为深入，不仅探讨了来源评级对社交媒体用户对待信息的态度和行为的影响，还深入探讨了不同的来源类型和呈现方式的影响[10,14]。但是关于信息内容的事实核查的研究则相对有限，目前仅就是否标记为虚假信息这一维度进行了讨论，且研究结论存在不一致[15-16]。不仅如此，以往事实核查的研究都是针对虚假新闻领域，没有涉及虚假健康信息领域；且研究情境都是国外的，关于国内社交网络用户对事实核查的态度尚不清楚，特别是由于感知可信性是个体的主观认知和感受，社会学研究表明，社会环境和网络公信力对于个体可信度感知有很大影响[17]，因此国外的研究结论不一定能适用于国内情境。
在已有探究虚假信息感知可信度的研究中，先验知识被证明是影响个体感知可信性和后续信息行为的重要因素[14]。因为个体倾向于相信他们已有的知识或经验，并倾向于避免由不一致信息所产生的认知失调。考虑到先验知识在个体信息处理过程中的决定性作用，及其作为一种个体特征的固有属性，有必要探讨其对事实核查与感知可信度之间的关系的调节作用，这也是现有研究空白之一。虚假信息的目的就是为了欺骗或误导公众，传播错误信息从而扭曲真相[18]，因此，用户对信息的感知可信度以及由此导致的后续信息行为，例如阅读、点赞、评论、转发等，是研究者关注的重点。
本研究基于双路径模型，研究社交媒体中两种信息可信度评级机制（内容评级、来源评级）对用户感知可信度的影响，并将先验知识作为调节因素。同时本文也探讨了感知可信度对用户信息参与行为的影响，为引导用户理性看待健康信息，防止虚假信息大肆传播奠定理论基础。
02 文献及理论回顾
2.1 社交媒体虚假信息
虽然社交媒体降低了用户获取信息的难度，但同时也使得大量虚假信息快速传播，这一负面影响引起了国内外学者的广泛重视。虚假信息指的是含有不实内容或带有欺骗性意图的信息[18]。本研究所关注的虚假健康信息特指存在欺骗性或无科学依据的健康类科普信息。针对虚假健康信息，现有研究主要分为两种，第一种是通过构建数据库等方法提升虚假信息检测的准确性。其中，Dai等[1]构建了名为FakeHealth的综合数据集，提升了虚假健康信息识别的效率。第二种则是分析虚假健康信息在社交媒体中的传播状况，揭示其问题的严重性。其中，Waszak等[19]对各平台的虚假健康信息进行识别，结果显示近40%为虚假健康信息；Sommariva等[20]分析了社交媒体中与寨卡病毒有关的信息发现，虚假信息占比过半。
虽然以虚假健康信息为对象的研究还刚起步，但是针对虚假新闻的研究已获得了学术界广泛关注。特别是2016年的美国总统大选，将Facebook等社交媒体中存在的虚假新闻问题推到了聚光灯下[18]。除了从新闻内容和用户特征方面考察虚假新闻传播模式外[21]，用户在社交媒体中接触虚假新闻时的心理机制与后续行为也是虚假新闻研究关注的焦点之一。虚假信息的核心目的就是为了欺骗或误导公众，传播错误信息从而扭曲真相[18]，因此，用户对信息的感知可信度以及由此导致的后续信息行为，例如阅读、点赞、评论、转发等，是研究者关注的重点[21]。感知可信度指的是受众（信息接收者）对社交媒体中的信息内容或信息发布者（包括个人和组织） 的一种信任程度，同时也是信息接收者对其的主观感知和评估。已有研究从网站干预措施、用户先验知识、用户个体特征、信息内容可信度、信息源可信度、媒介可信度等多维度考虑了信息接收者的感知信息可信度及其对后续信息行为的影响[22-25]。
与本研究相关的先验知识的研究多是基于确认偏误（Confirmation Bias）的理论视角展开的[14]。确认偏误认为个体倾向于相信他们已有的知识或经验，而不管当前所接触到的信息真实性。当遇到与之前知识或经验不一致的信息时，个体会经历认知失调，并倾向于通过拒绝新信息来解决这种失调。研究表明，先验知识是个体评估信息可信度的重要因素[10,14]，它会在一定程度上影响其信息处理能力，进而影响可信度感知。例如Forzani[26]研究先验知识、性别等特征对七年级学生评价信息可信度的影响发现，高先验知识的学生能够更好地评估在线信息[26]；Eastin[27]也通过实验得出，用户所拥有的关于健康信息的知识水平会对他们的感知可信度产生影响。但是个体先验知识作为一种个体特征，是否会对其他类型信息对用户感知可信度产生影响，目前研究并没有给出答案。
2.2 虚假信息“事实核查”
事实核查的概念最初应用于媒体平台对新闻真实性的检查。新闻事实核查在西方新闻史中已经存在了近百年，它是指运用多种方式对新闻的真实性和准确性进行核查。随着近几年社交媒体对平台信息质量的重视，Facebook、Twitter等已经将事实核查作为信息干预的手段，旨在帮助用户更加理性地处理信息。信息内容和信息来源是影响信息可信度的两个重要因素，因此有关事实核查的研究也围绕这两个视角展开。
已有关于虚假新闻的研究对于来源评级对认知可信度的影响进行了较为深入的探究，特别是以Antino Kim、Patricia L. Moravec和Alan R. Dennis为代表的学者进行了一系列研究。他们发现，来源评级会对社交媒体中文章的可信度造成影响，低评级的影响比高评级的影响更为显著，同时在低评级时，人们会关注来源的评级机制，专家评级和用户文章评级比用户来源评级有更显著的作用[10]。更进一步考虑来源评级展示方式的研究发现，将消息来源置于新闻标题之前来突出文章来源，能够使读者对文章的可信度产生思考，特别是对于未知来源，低来源评级会对文章可信度产生更加显著的影响[14]。
不同于已有研究对于来源评级的多维度探索，关于内容评级的研究目前仅考虑了是否将新闻标记为假新闻这一特征。例如，Moravec等[15]的研究显示，将新闻标记为虚假新闻可以显著降低用户对该新闻的可信度感知；Garrett等[16]的研究也显示，虚假新闻标记会显著降低用户的分享意图。然而，Moravec等[28]的研究也指出，在存在确认偏误的情况下，假新闻标记可能并不会发生作用。以上相关研究都是以虚假新闻为研究对象，但是虚假健康信息和虚假新闻有所不同，人们在搜寻并获取健康信息时会以更加严肃的态度阅读健康信息，更慎重地处理接收到的内容[10,29,30]。然而，目前这种特殊性并没有引起学界的重视，尚无研究探讨事实核查对于用户健康信息可信度的影响机制。
因此，本研究同时考虑来源评级和内容评级这两种事实核查方式，探究它们对社交媒体用户信息感知可信度和后续信息参与行为的影响，并探究具有重要直接影响作用的先验知识在其中的调节效应。
2.3 双路径模型
双路径模型，又称精细加工可能性模型（ELM），已在营销学和管理学等领域被广泛应用于解释人们如何处理信息以及信息如何影响接收者的态度和行为[31-32]。根据双路径模型，影响个体信息处理方式和态度改变的路径有两条，即中枢路径和边缘路径。中枢路径指的是当接收者接收到大量信息资源时，会深层次地处理信息，对信息进行深入的认知思考[33]。相对地，边缘路径是指当个体与信息相关的思维受到限制时采取的处理方式，接收者通过简单的线索或推理来处理信息，并不涉及深入的认知思考[34-35]。例如，如果个体认为专家的观点就是可信的，那么对于来自专家的意见，个体就会在不思考意见内容的情况下将其判定为可信。同时，双路径模型认为信息接收者的信息处理能力是决定中枢路径和边缘路径发挥作用的重要因素。当信息处理能力较强时，信息接收者更多采用中枢路径，而当信息处理能力较弱时，则倾向采用边缘路径[36]。例如查先进等[34]的研究发现，微博用户所具备某个领域的专业知识越多，越有可能通过中枢路径对搜寻到的信息进行评估。
在本研究中，内容评级是对社交平台中用户发布信息的内容真实性的评定等级，社交媒体用户可以通过阅读健康信息内容，经过审慎思考作出判断；而来源评级是社交媒体平台对信息发布来源的可靠程度的评定等级，社交媒体用户对于来源的评价通常无法基于具体内容，只能依赖于经验或感觉；先验知识指的是社交媒体用户在接触到该健康信息内容之前，对相关话题或领域所具备的认识、经验或印象，它决定了社交媒体用户对于所接触到的健康信息内容的处理能力。因此，本研究认为内容评级对应中枢路径，来源评级则对应边缘路径，而先验知识则影响了内容评级和来源评级对接收者态度或行为所产生的影响。
03 研究模型与假设
3.1 数据来源
虚假健康信息的大量增多为社交媒体平台带来了巨大隐患，以信息干预的方式解决问题成为当务之急。本研究引入了新型的事实核查方法——来源评级和内容评级，研究其对用户健康信息感知可信度和健康信息参与行为的影响。基于双路径模型，将内容评级界定为中枢路径，来源评级界定为边缘路径，先验知识对应为社交媒体用户对健康信息的处理能力，构建了如图1所示的理论模型。所构建的理论模型可用于理解社交媒体健康信息评级机制（即来源评级和内容评级）对社交媒体用户健康信息感知可信度的影响，以及先验知识在其中的调节作用。更进一步，探究了健康信息感知可信度对社交媒体用户健康信息参与行为的后续影响，信息参与行为涉及阅读、评论、支持性评论、反驳性评论和转发五类。
图1 研究模型
来源评级是社交媒体平台对信息发布来源的可靠程度的评定等级，与信息本身无关。作为社交媒体中的一种事实核查方式，它是提供给用户评估信息的一种外部线索，评级越高，提示用户信息来源的可信度越高。对于来源评级，一方面信息来源的可信度会影响人们的感知可信度[37]，另一方面，已有研究证实新闻网站中来源评级会正向影响用户的感知可信度[10]。因此，提出以下假设：
H1：健康信息来源评级正向影响用户感知可信度。
与来源评级类似，内容评级也是事实核查方式的一种，它是社交平台对用户发布信息的内容真实性的评定等级，评级越高，提示用户信息内容的可信程度越高。大量研究表明，信息内容可信度是信息可信度的正向影响因素，这是因为人们往往倾向于选择相信内容质量高的信息[38-40]。针对内容的评级方式会向用户提供有关内容可信度的线索，进一步影响其健康信息可信度感知。因为健康信息内容的处理往往需要个体进行深层次的思考[36]，提出如下假设：
H2：健康信息内容评级正向影响用户感知可信度。
伴随着移动通讯技术的普及，用户从社交媒体中获取健康信息的难度越来越低，这意味着这些信息会被具有不同知识水平的用户获取。同样地，事实核查的服务对象也随之拓展到了这些拥有不同知识水平的个体。研究表明，先验知识水平会在很大程度上影响人们使用外界线索来评估信息的过程[41-42]。根据双路径模型，当用户的先验知识水平较高时，他们会倾向于通过中枢路径更加深入地思考信息[36,43]，这意味着他们更加关注内容评级而不是来源评级。在主要关注内容评级的基础上，拥有较多先验知识的群体更有可能不依赖外界线索，独立地处理信息。因此对于先验知识高的用户，平台提供的事实核查线索之一——内容评级对其感知可信度的影响效果会被削弱。而先验知识的提升并不会促使用户选择边缘路径处理信息，因此并不会改变边缘路径对用户感知可信度的影响。综上所述，本研究提出以下假设：
H3a：先验知识不调节来源评级对感知可信度的影响。
H3b：先验知识负向调节内容评级对感知可信度的影响。
用户对健康信息的可信度感知会影响用户信息参与行为的意愿。如果人们不相信这条信息是真实的，他们就不太可能点赞、发表评论或转发分享以推动它的传播[30,44]，但有可能会发表消极评论以防止更多人相信这条消息。而用户的感知可信度越高，他们越愿意点赞、转发以及发表积极评论，目的是让更多人看到这条消息[10]。因此，本研究提出下列假设：
H4a：感知可信度会正向影响用户阅读信息的意愿。
H4b：感知可信度会正向影响用户点赞信息的意愿。
H4c：感知可信度会正向影响用户支持性评论信息的意愿。
H4d：感知可信度会负向影响用户反驳性评论信息的意愿。
H4e：感知可信度会正向影响用户转发信息的意愿。
04 研究方法
4.1 实验设计
为了验证本研究的理论模型，我们设计和开展了一项实验。实验采取来源评级（高/低）*内容评级（高/低）*先验知识处理（是/否）的2*2*2组间设计，共分为8个实验组。
为了保证被试样本的多样性，研究者在微信朋友圈发布实验信息以招募不同年龄、不同学历、不同职业的被试参与线上实验。线上实验平台使用的是见数（credamo.com），一个专业的智能调研平台。见数平台为研究者提供随机实验的功能，可将进入实验链接的被试随机地分配到所设置的N个实验组中，在本研究中，N=8。研究者在微信朋友圈发布实验招募信息和实验链接，并告诉实验者这是一项关于社交媒体中健康信息的研究，实验所需用时不超过10分钟，如果认真完成并通过审核，会得到5元的报酬。
为了提高数据样本质量，对被试的实验完成时间与完成质量进行审核。在正式实验前，本研究通过预实验来测试被试完成实验的大致时间，发现多数先验知识处理组被试花费的时间大于100秒，而先验知识非处理组被试的完成时间大多超过60秒。因此，在正式实验中，本研究将先验知识处理组中实验完成时间低于100秒的被试者数据以及先验知识非处理组中实验完成时间低于60秒的被试者数据视为用时过短的异常数据，同时也删除了回答结果全部一致的无效数据，最终得到有效数据202份。通过G*Power 3.1[45]软件提供的 post-hoc 分析结果显示， 202个样本可以确保对主效应 (statistical power =0.999 > 0.8)所采用的独立样本T检验和调节效应 (statistical power=0.895 >0.8)所采用的双因素方差分析有足够的统计效力。8个实验组内最终有效的样本数如表1所示，可以得出，总样本数202，高来源评级总样本数为110，低来源评级总样本数为92；高内容评级总样本数为87，低内容评级总样本数为115；有先验知识高内容评级总样本数为36，有先验知识低内容评级总样本数为58；无先验知识高内容评级总样本数为51，无先验知识低内容评级总样本数为57；有先验知识高来源评级总样本数为49，有先验知识低来源评级总样本数为45；无先验知识高来源评级总样本数为61，无先验知识低来源评级总样本数为47。
表1 被试者分组情况
如表2所示，有效样本中57.4%为女性，42.6%为男性，样本性别差异不大。在年龄分布上，参与者趋向年轻化，30岁及以下占样本总数的91.6%。就教育水平来说，样本的大多数集中在本科、硕士及以上学历，占比93.1%，说明他们具有较强的获取新知识的能力。本研究调研了他们每日的上网时间，样本中上网时间集中在4小时及以上，占样本总数的79.2%。此外，在8个实验组中，被随机分配的被试在性别、年龄、学历和每日上网时间上没有发现显著差异。综上所示，所获样本能够较好地满足数据分析要求。
表2 样本人口统计学特征分布
4.2 实验过程
实验开始时，所有被试都会接收到一个实验链接，一旦点进实验链接，他们将首先被随机分成两组，一组参与先验知识处理，一组不做相应处理。先验知识处理组页面首先展示马方综合征的相关介绍，而无处理组则没有这段内容。
接下来的实验网页内容由两部分组成，第一部分为前测问卷，包括性别、年龄等一系列基本人口统计学信息，还包括被试对待微博平台可信度和健康信息的态度问题；第二部分为正式实验部分，为尽量减少先验知识的影响，研究应选择预期自然获得关于该主题的先验知识非常少的主题[46]，因此本研究选择一种罕见疾病——马方综合征作为实验健康信息主题。所有被试需要回答三个关于马方综合征的问题（1.马方综合征是否为遗传性疾病？2.马方综合征患者是否通常患有心血管疾病？3.马方综合征患者中，患有眼部疾病的女性是否多于男性？）来检测被试者对先验知识的掌握程度。
随后页面对来源评级和内容评级进行说明，其中来源评级由微博专家组根据博主以往发布的足量微博数据进行分析判定，评级为1—5颗星，评级越高说明来源越可靠。内容评级由微博专家组通过分析信息的结构、内容与标题的相关性以及掌握的相关知识进行评估，评级为1—5颗星，评级越高说明内容质量越高。接着让参与者阅读带有来源评级和内容评级标志的微博信息并回答信息可信度问题以及参与行为问题。
本研究在《中华骨与关节外科杂志》中选取一则马方综合征的相关信息，信息展现形式在原有微博样式的基础上添加来源评级和内容评级。本实验设置来源评级和内容评级都具有高、低两种水平，其中高评级为4颗星，低评级为2颗星，具体信息展示界面如图2所示。其中图2(a)是低来源评级-高内容评级的实验材料，图2(b)是低来源评级-高内容评级的实验材料，图2(c) 是高来源评级-低内容评级的实验材料，图2(d)是高来源评级-高内容评级的实验材料。为了避免参与者因熟悉信息来源而形成的刻板印象，本实验编造了一个信息来源——健康联盟，并保持展示给被试者的发布者头像、点赞数、评论数、转发数的一致。由于信息质量与信息内容评级不符可能会使参与者质疑评级的专业性，因此本研究修改真实信息的内容将其变为虚假信息，其中真实信息内容评级为高，虚假信息内容评级为低。
图2 实验健康信息设计
05 数据分析
5.1 操纵检验
首先对实验中来源评级和内容评级的操作有效性进行检验。在向被试展示健康信息的微博界面后，会让他们分别对实验中展示的两种评级方式（来源评级、内容评级）基于李克特7分量表进行打分（1分非常不同意—7分非常同意）：“这则信息的来源评级是高的”“这则信息的内容评级是高的”。其中低来源评级组平均得分（M低来源评级=3.630）与高来源评级组平均得分（M高来源评级=5.236）差异显著（t=8.027,p<0.001）。此外，低内容评级组平均得分（M低内容评级=3.591）与高内容评级组平均得分（M高内容评级=5.241）的差异也非常显著（t=8.633, p<0.001）。因此，实验对来源评级和内容评级的操纵达到了预期效果。
接下来，对实验中针对先验知识的操纵有效性进行检验。本研究对于先验知识处理的操纵检验是通过询问参与者三个关于先验知识正确与否的问题来进行的。被试回答正确得1分，回答错误或者不知道得0分，参与者的先验知识得分为三道题目的得分总和，得分范围为0—3分。先验知识处理组得分（M先验知识处理=1.780）与未处理组得分（M无先验知识处理=0.110）差异十分显著（t=12.225, p<0.001），因此，实验对于先验知识的设置是合理有效的。
5.2 信效度分析
本研究共有三个量表测量的变量，分别为感知可信度、媒介可信度和内在动机。其中，感知可信度是因变量，媒介可信度和内在动机是控制变量。媒介可信度是指用户对于传递信息的媒介的信任程度。信息来源除了发布者之外，还涉及信息发布平台（媒介），已有研究认为，发布者可信度和媒介可信度都是影响信息可信度的重要因素，且不同个体对同一媒介的可信度感知存在差异[24,47]。内在动机是指用户对于阅读健康信息的动力，双路径模型指出个体信息处理动机是影响信息处理过程的一个重要因素[36]。因此，本研究把媒介可信度和内在动机作为控制变量加入模型中。
表3和表4显示了调查问卷的信效度检验结果，包含信度、收敛效度和判别效度[48]。信度使用Cronbach 's值进行评估，高于0.7的值被认为是可接受的。如表3所示，三个变量均表现出良好的信度，Cronbach 's α得分均高于0.860。收敛效度测度的是同一变量的各测量项是否密切相关，具体表现为组合信度(CR)应超过0.7，平均提取方差(AVE)应高于0.5。表3中所有的CR值均大于0.8，AVE值均大于0.6，结果表明收敛效度是足够的。判别效度反映了对一个变量的测量应与其他变量有明显区别，通过因子载荷和AVE平方根与其他变量相关性的数值大小比较判断。表中三个变量的各测量项在其对应的变量上的因子载荷均较高，大部分大于0.8。如表4所示，每个变量的AVE的平方根均大于该变量与其他变量的相关性系数，这说明本研究的三个变量具有良好的判别效度。
表3 信度和收敛效度
表4 判别效度
5.3 来源评级与内容评级对用户社交媒体健康信息感知可信度的影响
为了检验来源评级与内容评级是否会对用户健康信息感知可信度产生影响，本研究使用SPSS25.0进行独立样本t检验，得出结果见表5。可见来源评级的统计显著性小于0.001（<0.05），且当来源评级为高时，用户感知可信度（M来源评级高=5.097）大于来源评级为低时的感知可信度（M来源评级低=4.442），可以得出，来源评级显著正向影响用户感知可信度，接受假设H1。同时内容评级的统计显著性为0.001（<0.05），且当内容评级为高时，用户的感知可信度（M内容评级高=5.138）高于内容评级低时的感知可信度（M内容评级低=4.542）。因此可以得出，内容评级显著正向影响健康信息感知可信度，接受假设H2。
表5 来源评级及内容评级的独立样本t检验结果
5.4 先验知识的调节作用
首先通过双因素方差分析检验先验知识在来源评级与感知可信度之间的调节作用，其结果如表6所示。通过分析结果可以看出，先验知识与来源评级的交互作用显著性为0.364(>0.05)，表明先验知识对于来源评级与感知可信度之间关系的调节作用不显著，假设H3a成立。
表6 来源评级与先验知识的双因素方差分析结果
同时，为了检验先验知识对内容评级与感知可信度之间关系的调节作用，将先验知识与内容评级进行双因素方差分析检验，其结果如表7所示。通过表中结果可以看出，先验知识与内容评级交互项的显著性为0.003（<0.05），表明先验知识对于内容评级与感知可信度之间关系的调节作用显著。由于内容评级与先验知识的交互作用显著（见图3），因此，进行简单效应分析进一步探究先验知识的调节作用。通过表8可以看出，在没有进行先验知识处理时，内容评级的高低对用户感知可信度的影响（显著性<0.001）在统计学意义上显著。而在进行先验知识处理后，内容评级对用户感知可信度的影响显著性为0.744，可以得出，先验知识处理后内容评级对用户感知可信度的影响不显著。综上所述，假设H3b成立。
表7 内容评级与先验知识的双因素方差分析结果
图3 先验知识与内容评级交互作用图
表8 简单效应分析结果
06 研究结论
本研究通过引入社交媒体健康信息评级机制中的内容评级和来源评级，考察了健康信息评级机制对社交媒体用户健康信息感知可信度的直接影响，以及先验知识对健康信息评级机制与感知可信度之间关系的调节机制，并进一步探究了感知可信度对于用户信息参与行为意愿（如阅读、点赞）的影响。通过实验收集数据并进行分析，结果支持假设H1、H2、H3a、H3b、H4a、H4b、H4c、H4e，拒绝假设H4d。
首先，本研究结果显示，健康信息来源评级和内容评级均正向影响用户感知可信度。信息内容和信息来源作为判断信息可信性的重要因素一直以来备受学术界关注，本研究结论所发现的来源评级和内容评级对感知可信度的显著影响与前人研究结论相符，是对现有相关研究的再一次验证和肯定。
其次，本研究发现，先验知识显著负向调节内容评级对感知可信度的影响，而对来源评级的调节作用并不显著。先验知识显著负向调节内容评级对感知可信度的影响，这意味着高先验知识水平的群体对第三方专家提供的内容评级结果的依赖程度较弱，他们会更多运用自己的知识来处理信息，而不是通过他人的意见来选择是否接受，这个结论同样验证了先前的部分研究[49]。先验知识对于来源评级的调节作用不显著，这是因为先验知识水平的高低主要影响用户对信息本身的处理，而对处理非信息本身的发布者信息的影响较小。从双路径模型的角度来看，先验知识主要影响个体依据信息本身的特征对信息进行的分析和思考，而针对浅层次思考的作用较弱[50]。
最后，针对健康信息感知可信度对用户信息参与行为的分析结果显示，健康信息感知可信度越高，用户越倾向于采取积极性信息参与行为，即阅读、点赞、发表支持评论和转发，但并不会影响到用户发表反驳性评论的行为。这与Kim等[10] 的研究结果并不一致，一个可能的原因是，发表反驳评论不仅仅受到感知可信度的影响，更需要较高的批判性思维与知识水平，同时也需要承担反驳他人带来的结果，因此用户会以更加谨慎的态度发表反驳性评论。
07 研究启示与局限性
7.1 理论贡献
本研究以双路径模型为基础，将健康信息的内容评级和来源评级分别对应于个体中枢和边缘信息处理路径，探究了两类事实核查机制对社交媒体用户感知可信度和后续信息参与行为的影响；并将先验知识作为个体健康信息处理能力的一种映射，考虑了先验知识在信息处理路径中的调节作用。本研究的理论贡献主要表现在以下三点：
第一，本研究考虑了健康信息的来源评级和内容评级对社交媒体用户心理机制和后续行为的影响，扩展了健康信息领域的相关研究。虽然有关事实核查，尤其是来源评级和内容评级，已经在虚假新闻领域的研究中有了一定程度的探索[10,15]，但是目前有关国内情境中健康信息这一特定领域的研究还是鲜有的。
第二，本研究论证了先验知识对来源评级和内容评级与感知可信度之间关系的调节作用。先前研究对于先验知识的认识多局限于先验知识对感知可信度的直接影响中，限制于确认偏误这一理论视角[14]。本研究通过引入双路径模型，从个体信息处理能力这一理论视角出发，丰富了对先验知识调节作用的认识。
第三，本研究像以往研究一样考虑了社交媒体用户感知信息可信度和后续信息参与行为[51]，特别的是，本研究将信息参与中的评论行为进一步区分为支持性评论行为和反驳性评论行为。研究发现，反驳性观点的行为意愿并不受可信度的影响，细化了用户在线信息参与行为领域的研究。
7.2 实践贡献
本研究结论表明，社交平台中健康信息评级机制能够对用户感知可信度产生显著影响，因此，社交媒体平台可以通过文字分析技术、第三方专家团队评审等健康信息二次评估的方法为健康信息进行评级，以帮助用户鉴别信息真假，从而更好地建设平台环境。此外，基于此研究可以为社交媒体平台提供两种评级方式的投放建议：考虑针对不同先验知识水平的用户采用不同的评级投放方式，进而增强评级机制的作用，更加高效地预防虚假信息的大肆传播。同时根据研究结论，平台想要提高用户活跃度，应该进一步提升用户的感知可信度，一方面要监管发布信息的质量，另一方面可以利用技术手段进行可信度干预，从而激发用户的参与行为。值得注意的是，与积极性参与行为的影响机制不同，平台需要通过干预感知可信度以外的影响因素来引导用户发表反驳性观点，进而引发其他用户的批判性思考。
7.3 研究局限及未来研究方向
首先在模型构建方面，本研究主要探讨社交媒体中健康信息可信度的影响因素以及感知可信度对信息参与行为的影响，所关注的信息参与行为的解释变量过于单一，而在实际的用户信息参与行为过程中，会有很多因素对其产生影响。其次，在实验设计方面，本实验对于先验知识处理的操作只考虑了马方综合征的部分知识面，并且该处理造成的印象程度可能较小，而先验知识的侧重点不同可能会给用户留下不同的印象，进而在不同程度上影响信息处理过程。同时，对于评级水平的设定局限于2颗星和4颗星，没有研究其他不同等级的影响作用，加入各个等级评价能使研究更加丰富。
随着社交媒体的不断发展，信息可信度的相关研究变得越来越重要。针对本研究的现有成果，未来的研究拟从以下几方面入手：实验的设计上，由于现有实验条件的限制，实验操控的过程存在一些不足，因此在未来的研究中，拟通过设计线下实验弥补此研究线上实验的不足；同时从模型构建方面考量，首先可以增加更多的评级方式（如警示标志）以完善此模型，其次可以加入先验知识不同层次、不同类型的研究，更深层次地研究先验知识的影响。
参考文献
[1] Dai E Y，Sun Y W，Wang S H．Ginger cannot cure cancer：Battling fake health news with a comprehensive data repository[C]//Proceedings of the International AAAI Conference on Web and Social Media，Atlanta，Georgia，2020．PKP，2020：853-862．
[2] Schwitzer G．Pollution of health news[J]．British Medical Journal，2017，356：j1262．
[3] 王熙，佟星，郑博雯，等．在线健康社区中用户社会支持交换行为的跨文化比较研究[J]．管理科学，2020，33(1)：16-29．
[4] 刘璇，汪林威，李嘉，等．在线健康社区中用户回帖行为影响机理研究[J]．管理科学，2017，30(1)：62-72．
[5] Treharne T，Papanikitas A．Defining and detecting fake news in health and medicine reporting[J]．Journal of the Royal Society of Medicine，2020，113(8)：302-305．
[6] 赵金楼，成俊会．基于SNA的突发事件微博舆情传播网络结构分析——以“4·20四川雅安地震”为例[J]．管理评论，2015，27(1)：148-157．
[7] 王家坤，王新华．双层社交网络上的企业舆情传播模型及控制策略研究[J]．管理科学，2019，32(1)：28-41．
[8] 刘怡君，陈思佳，黄远，等．重大生产安全事故的网络舆情传播分析及其政策建议——以“8·12天津港爆炸事故”为例[J]．管理评论，2016，28(3)：221-229．
[9] 唐耕砚，蔡豪．预印本平台的舆论治理困境与应对策略——基于“新型冠状病毒肺炎”事件的反思[J]．科学学研究，2021，39(4)：587-593．
[10]Kim A，Moravec P L，Dennis A R．Combating fake news on social media with source ratings：The effects of user and expert reputation ratings[J]．Journal of Management Information Systems，2019，36(3)：931-968．
[11]蒲珏伶，郭小安．政府辟谣速度：快与慢的反思[J]．电子政务，2014(6)：31-37．
[12]王国华，王丽丽，王雅蕾．基于新浪平台的微博辟谣主体与方式研究[J]．电子政务，2013(9)：2-8．
[13]O'Grady L．Depicting credibility in health care web sites[J]．International Journal of Medical Informatics，2006，75(1)：58-65．
[14]Kim A，University I，Dennis A R，et al．Says who? The effects of presentation format and source rating on fake news in social media[J]．MIS Quarterly，2019，43(3)：1025-1039．
[15]Moravec P，Kim A，Dennis A．Flagging fake news：System 1 vs．system 2[C/OL]//ICIS 2018 Proceedings．California，USA：AIS eLibrary，2018：4．[2018-12-13]. https://aisel.aisnet.org/icis2018/social/Presentations/4.
[16]Garrett R K，Poulsen S．Flagging facebook falsehoods：Self-identified humor warnings outperform fact checker and peer warnings[J]．Journal of Computer-Mediated Communication，2019，24(5)：240-258．
[17]Zheng Y，Zhong B，Yang F．When algorithms meet journalism：The user perception to automated news in a cross-cultural context[J]．Computers in Human Behavior，2018，86：266-275．
[18]Allcott H，Gentzkow M．Social media and fake news in the 2016 election[J]．Journal of Economic Perspectives，2017，31(2)：211-236．
[19]Waszak P M，Kasprzycka-Waszak W，Kubanek A．The spread of medical fake news in social media——The pilot quantitative study[J]．Health Policy and Technology，2018，7(2)：115-118．
[20]Sommariva S，Vamos C，Mantzarlis A，et al．Spreading the (fake) news：Exploring health messages on social media and the implications for health professionals using a case study[J]．American Journal of Health Education，2018，49(4)：246-255．
[21]Vosoughi S，Roy D，Aral S．The spread of true and false news online[J]．Science，2018，359(6380)：1146-1151．
[22]Fogg B J．Prominence-interpretation theory：Explaining how people assess credibility online[C]//CHI '03 extended abstracts on Human factors in computing systems -CHI '03．Ft．Lauderdale，Florida，USA．New York：ACM Press，2003：722-723．
[23]Sillence E，Briggs P，Harris P R，et al．How do patients evaluate and make use of online health information?[J]．Social Science & Medicine，2007，64(9)：1853-1862．
[24]孙晓阳，李丹钰．移动社交媒体中健康信息可信度的影响因素研究——以微信为例[J]．情报探索，2020(6)：1-12．
[25]宋士杰，赵宇翔，宋小康，等．互联网环境下失真健康信息可信度判断的影响因素研究[J]．中国图书馆学报，2019，45(4)：72-85．
[26]Forzani E．How well can students evaluate online science information? Contributions of prior knowledge，gender，socioeconomic status，and offline reading ability[J]．Reading Research Quarterly，2018，53(4)：385-390．
[27]Eastin M S．Credibility assessments of online health information：The effects of source expertise and knowledge of content[J]．Journal of Computer-Mediated Communication，2001，6(4)：JCMC643．
[28]Moravec P，Minas R，Dennis A R．Fake news on social media：People believe what they want to believe when it makes no sense at all[J]．MIS Quarterly，2019，43(4)：1343-1360．
[29]Harsanyi J C．Morality and the theory of rational behavior[J]．Social Research，1977，44(4)：623-656．
[30]Johnson T J，Kaye B K．Reasons to believe：Influence of credibility on motivations for using social networks[J]．Computers in Human Behavior，2015，50：544-555．
[31]Bahn K D，Boyd E．Information and its impact on consumers’reactions to restrictive return policies[J]．Journal of Retailing and Consumer Services，2014，21(4)：415-423．
[32]Karson E J，Korgaonkar P K．An experimental investigation of Internet advertising and the elaboration likelihood model[J]．Journal of Current Issues & Research in Advertising，2001，23(2)：53-72．
[33]Sui Y J，Zhang B．Determinants of the perceived credibility of rebuttals concerning health misinformation[J]．International Journal of Environmental Research and Public Health，2021，18(3)：e1345．
[34]查先进，张晋朝，严亚兰．微博环境下用户学术信息搜寻行为影响因素研究——信息质量和信源可信度双路径视角[J]．中国图书馆学报，2015，41(3)：71-86．
[35]Bhattacherjee A，Sanford C．Influence processes for information technology acceptance：An elaboration likelihood model[J]．MIS Quarterly，2006，30(4)：805-825．
[36]Petty R E，Cacioppo J T．The elaboration likelihood model of persuasion[M]//Communication and persuasion．New York：Springer，1986：1-24．
[37]Hovland C I, Janis I L, Kelley H H. Communication and persuasion: Psychological studies of opinion change[M]. New Heaven, CT, USA: Yale University Press,1953．
[38]Jung E H，Walsh-Childers K，Kim H S．Factors influencing the perceived credibility of diet-nutrition information web sites[J]．Computers in Human Behavior，2016，58：37-47．
[39]李明，李莹，许应成．突发事件环境下的虚拟问答社区知识可信度影响因素研究[J]．情报理论与实践，2019，42(9)：128-132，145．
[40]李金城．社交媒体信息可信度的评估策略与影响因素[J]．情报杂志，2017，36(1)：181-186．
[41]Eagly A H，Chaiken S．The psychology of attitudes[M]．Forth Worth，TX：Harcourt Brace Jovanovich College Publishers，1993．
[42]邹波，郭峰，熊新，等．企业广度与深度吸收能力的形成机理与效用——基于264家企业数据的实证研究[J]．科学学研究，2015，33(3)：432-439．
[43]Zhang J W，Akhtar M N，Zhang Y J，et al．Are overqualified employees bad apples? A dual-pathway model of cyberloafing[J]．Internet Research，2019，30(1)：289-313．
[44]金晓玲，冯慧慧，周中允．微信朋友圈中健康信息传播行为研究[J]．管理科学，2017，30(1)：73-82．
[45]Faul F，Erdfelder E，Lang A G，et al．G*Power 3：A flexible statistical power analysis program for the social，be-havioral，and biomedical sciences[J]．Behavior Research Methods，2007，39(2)：175-191．
[46]Schwind C，Buder J．Reducing confirmation bias and evaluation bias：When are preference-inconsistent recommendations effective -and when not?[J]．Computers in Human Behavior，2012，28(6)：2280-2290．
[47]Kiousis S．Public trust or mistrust? Perceptions of media credibility in the information age[J]．Mass Communication and Society，2001，4(4)：381-403．
[48]Hair Joseph F．Multivariate data analysis：A global perspective[M]．Upper Saddle River：Prentice Hall，2009：121-130．
[49]Marquart F，Naderer B．Communication and persuasion：Central and peripheral routes to attitude change[M]// Potthoff M. Schlüsselwerke der Medienwirkungsforschung．Springer VS Wiesbaden，2016：231-242．
[50]马永斌，徐晴．创意众包社区中影响评论者正向评价量的因素研究——基于ELM的分析[J]．管理评论，2020，32(11)：140-150．
[51]Marett K，Joshi K D．The decision to share information and rumors：Examining the role of motivation in an online discussion forum[J]．Communications of the Association for Information Systems，2009，24(1)：47-68．
（收稿日期：2022-11-16）
作者简介
王孝盼，博士，讲师，研究方向为互联网慈善、互联网金融、电子商务和数字营销；
张淼，硕士生，研究方向为电子健康；
吴懿（通讯作者），博士，副教授，研究方向为社交媒体、电子健康、互联网金融，Email: yiwu@tju.edu.cn；
张晓飞，博士，副教授，研究方向为互联网医疗、医疗大数据分析、平台经济、信息管理与信息系统、人机交互。
*原文载于《信息资源管理学报》2024年第1期，欢迎个人转发，公众号转载请联系后台。
* 引用格式
王孝盼，张淼，吴懿，等.社交媒体中健康信息可信度的影响因素研究：先验知识的调节作用[J].信息资源管理学报，2024,14(1):55-67.
往期 · 推荐
▲点击访问信息资源管理学报小程序
制版编辑 | 王伊杨
审核 | 于 媛
长按识别二维码关注我们
信息资源管理学报
微信号
xxzyglxb
分享、在看与点赞
只要你点，我们就是朋友😊