螺旋式与直线式：在线健康医疗平台用户与医生交互模式研究

李月琳，张建伟，张 婳

（1.南开大学商学院信息资源管理系，天津300071；2.南开大学信息行为科学研究中心，天津300071）

1 引言

据《2018中国卫生健康统计年鉴》显示[1]，中国卫生健康事业的城乡发展不均衡的问题较为突出，医疗基础设施差异较大，2017年千人医师数量比城市为3.97人、农村为1.68人。在“互联网+健康医疗”[2-3]政策的影响下，在线健康医疗平台成为缓解上述问题的途径之一。利用在线健康医疗平台进行问诊的方式超越了空间和时间的限制，有效地缓解了“看病难、看病贵”这一长期困扰我国居民的问题[4]，已成为网络用户了解自身健康状况和获取健康信息的重要途径。

近年来，以“春雨医生”“好大夫在线”“丁香医生”等为代表的在线健康医疗平台实现了医生的实名认证，直接向网络用户提供各种线上医疗服务，越来越被用户接纳，并且用户的活跃度逐年增长[5-6]。然而，当前的相关研究主要关注用户采纳行为[7-8]、平台用户隐私问题[9-10]、在线健康信息质量[11-12]等，缺乏关注用户与医生在网络健康信息平台环境下的交互行为研究，尤其缺乏对二者的会话效率的探讨，无法有针对性地提出有效措施来改善两者之间的交互效率。此外，当前在线健康医疗领域的研究方法多采用机器学习技术[13]，但该技术对用户与医生交互会话的语义深层挖掘及特征识别存在不足。因此，本研究采用开放编码和会话分析（conversation analysis）相结合的方法，通过分析用户与医生的会话文本，识别用户与医生交互的模式和特征，从而揭示影响交互会话效率的关键因素。具体研究问题包括：

RQ1：用户与医生交互会话有哪些模式？

RQ2：用户与医生交互的不同模式具有哪些特征？

RQ3：影响用户与医生交互会话效率的关键因素是什么？

本研究的目的在于探讨网络环境下用户与医生之间的交互会话模式与特征，研究结果可为智能健康医疗平台交互设计的优化提供理论和实证支持，也可帮助平台中的用户与医生提高交互效率，改善交互体验。

2 文献综述

图书馆情报学（library and information science，LIS）领域关注信息服务需求方及提供方之间的沟通和交互由来已久。Taylor[14]探讨了用户和图书馆员之间的问题-协商（question-negotiation）机制，识别了用户在互动过程中信息需求的四个层次以及不同层次的特征和形成过程，其研究为教育、商业、计算机科学等不同背景下人际交互研究提供了理论基础[15]。当前，针对人际交互与健康医疗环境下用户与医生交互的研究，主要集中在信息系统环境下的人际沟通（computer-mediated communication）、用户与医生线下健康信息沟通等方面。

2.1 信息系统环境下的人际沟通

信息系统环境下的人际沟通，即人际交互，是指以各类信息系统或平台（以下简称“系统”）作为媒介而开展的人与人之间的交流、互动或沟通活动。信息系统环境下的调节作用可提升人际交互的趣味性，且至少会对一方的知识或行为产生影响[16-17]，为提升用户健康素养提供了有效的学习途径[18]。相关研究表明，这种调节作用对人际交互具有两面性：一方面，网络技术带来交互的多样性对用户具有强大的吸引力[16]，有助于提高协同效率[19]；另一方面，缺乏眼神交流及潜在的交流，使交互缺乏情感[18,20]，例如，Hacker等[21]发现大学生对在线课堂讨论替代面对面讨论表现出消极态度；而Ostermaier-Grabow等[22]发现科研人员在Research‐Gate平台下的交互缺乏情感用语、礼貌用语和告别语，存在不安全感。在医生与用户的在线交互情境中也存在类似的问题：一方面，基于计算机调节的人际互动打破了医生和用户（线下情境下的“患者”）传统意义上的关系[23]，电子健康记录的产生改变了医生看待用户，及用户参与诊疗的方式，增进了彼此的关系[24]。如Lee等[25]发现用户对使用电子健康记录跟踪自己的健康信息及通过网络与医生交流具有浓厚的兴趣，这类行为有助于提升二者的关系；另一方面，这种调节作用也带来了诸如法律、隐私、信任等方面的问题，而这些问题妨碍了医生和用户基于系统平台的沟通，降低了这类沟通本应该具备的潜力[26]。此外，学术界对计算机调节作用下的用户与医生交互研究也存在相互矛盾的研究结果：一方面，此种调节作用能增强用户自信心和自我效能感，提升用户的积极性，促进了用户、医务工作者之间的知识交流[27-29]；另一方面，增加二者交互的复杂程度，不利于维持二者之间的信任关系[30-32]。网络技术支持下的在线健康平台环境中，用户如何与医生实现高效互动依然缺乏深入研究。为提升网络健康信息系统的使用效率和用户体验，吸引更多的用户和医生利用网络平台开展积极的交流和互动，本研究拟对信息系统环境下用户与医生之间的沟通进行探究。

2.2 用户与医生健康信息沟通研究

良好的沟通对用户是一种有效治疗[33]，在用户与医生健康信息沟通研究领域，如何提升沟通技巧和效率是学者们关注的重点。全科医生、临床医生、急诊医生、护理人员、药剂师等与用户沟通的研究均寻求提升医生的沟通技巧，例如，Claramita等[34]和Ortiz等[35]的研究针对提升医生沟通技巧开发了指导课程，在取得良好效果的同时建议纳入医学院的教育课程中；而Van den Brink‐Muinen等[36]则认为，医学院还应增加跨文化视角来培训医生沟通技巧；部分学者也提出了具体的沟通模型和策略，用于提升医生的沟通技巧，例如，“问候-邀请-讨论（greet-invite-discuss）”模型在指导医生和用户沟通中具有显著的提升作用[35]；“人本主义沟通”策略可以克服语言障碍、方言、用户心理健康及疾病严重程度等对沟通效率的影响[37]。Jucks等[38]发现用户表达方式、用词会影响医生回答，而Belasen等[39]的研究提倡医院管理者应保证用户与医生之间沟通的开放、清晰，建立信任关系，促进二者有效沟通。然而，上述研究多从医生视角探讨二者沟通效率，针对提升用户沟通能力的研究仍然缺乏。

由补充和代替医疗（complementary and alterna‐tive medicine，CAM；俗称“民间疗法”）和特定疾病引发的用户与医生沟通障碍越来越受到学者们的关注。研究表明，在医生与用户的沟通过程中，获取用户是否正在接受CAM信息会影响医生的诊断[40]，医生对于这一信息的获取是敏感的，用户不愿意向医生提起接受CAM的原因是害怕惹怒医生[41]，而医生的态度往往是不愿意讨论或记录用户使 用CAM的 情 况[42]。Arıkan等[43]研 究 发 现，除 非医生询问，否则多数用户不会主动向医生汇报CAM信息，但用户希望能与医生交流CAM与自己疾病的关系。研究表明，CAM的使用率在逐年提升[44]，但用户与医生对待CAM的方式极大地影响了沟通效率。

此外，学者们也关注如何解决患有特定疾病的用户与医生沟通的障碍，如精神疾病[45]、癌症[46]等。针对特定疾病，学者们建议医生应采用平等而非傲慢的态度、将信息传递与情感支持相结合、体现人文关怀等方式与用户沟通[47-49]。然而，上述用户与医生的沟通障碍不仅表明用户健康素养有待提升，也表明医生需要以更加人性化的方式进行沟通。

上述研究，一方面，体现了用户与医生交互的复杂性，为网络健康信息系统环境下用户与医生交互的研究奠定了基础。另一方面，现有的相关研究多基于实体医院环境探究如何提升二者沟通效率，对网络健康医疗系统环境中两者如何提升交互效率的借鉴意义有限。因此，开展网络环境下医生和用户的沟通和交流研究十分必要。

3 研究方法

3.1 数据来源

本研究选择春雨医生网页版“经典问答”模块，并通过爬虫技术采集用户与医生的交互会话。春雨医生是用户常用的医疗健康网站，拥有超过50万公立医院执业医师，服务用户超过2亿人次，并积累数亿条健康数据信息[6]，其中慢性病和多发性疾病是用户网络咨询的常见疾病类型[50]。本研究选择心血管疾病和儿童感冒分别作为常见慢性病和多发性疾病的典型案例。本研究中的“一组会话”是指用户与医生的一次完整会话过程。受春雨医生平台数据开放权限的限制，本研究共采集到心血管内科数据606组、儿科感冒数据411组，共计1017组。其中，个别会话包含用户上传的检查报告类图片，因受平台数据开放权限的限制而未采集到图片信息，故本研究仅对会话文本进行分析。

3.2 交互指标的选取

为识别用户和医生会话的序列结构、话轮转换、言语行为等特征[51-52]，本研究选取的交互指标及说明如表1所示。

3.3 数据分析

本研究利用Nvivo11对会话进行开放编码，结合会话分析，对用户和医生之间的会话结构进行分析。

3.3.1 交互会话文本特征

为分析用户与医生的会话特点，本研究逐一统计了1017组会话中用户初始问题包含症状数量（初始问题-症状；初始问题-无症状）、医生追问数量（D-追问）、用户追问数量（U-追问）、医生回答数量（D-回答）、用户回答数量（U-回答）、用户与医生会话的轮次（U-D会话轮次；一方提问，另一方回答完成记为一轮会话；若另一方针对同一提问多次回答，也视为一轮会话），具体如表2所示。用户初始问题是指用户开启会话时输入的信息。本研究采用会话结束时用户的用词或情感表达来判断用户是否对交互过程满意，如在会话结束时用户对医生表示感谢则视为用户感到满意。

表1 交互指标及说明

表2 交互会话文本数据统计分析

3.3.2 会话结构分析

基于语言学分析视角，本研究使用会话分析方法对用户与医生的会话进行了结构分析，主要分析用户与医生会话的话轮转换（turn-taking）、相邻语对（adjacency pair）关系和会话结构（规则、中断、话题及其转移）。

本研究将一组会话从结构上分为：用户开启会话、会话展开阶段、诊断建议阶段、会话结束。分析过程包括：分析用户开启会话的语言表达，识别用户与医生的语序连接关系，对方语句的响应和表达特征，话题转移的主导者及在会话中的位置，造成会话停顿或中断的原因、主导者及其在会话中的位置，会话结束的语言特征，据此分析两者在交互过程中的主导及影响关系、行为特征等。

3.3.3 开放编码

本研究开放编码分析流程如下：首先，随机抽取15组会话，由两位编码人员背靠背完成编码，之后讨论并制定编码框架。其次，基于编码框架再对20组数据（含之前的15组）进行编码，讨论、确定最终编码框架，部分编码框架如表3所示。最后，基于编码框架，两位编码人员背靠背进行编码。编码分两个阶段完成：第一阶段，依据爬取数据的顺序分析前124组会话（心血管内科84组、儿科感冒40组），对编码结果进行梳理和总结，研究发现已无新的概念产生。研究人员归纳了医生与用户交互的特征，并形成了初步的理论模型。第二阶段，为验证这些特征和初步模型的可靠性和有效性，研究人员按照爬取数据的序号继续分析随后的102组会话（心血管内科50组、儿科感冒52组），编码的过程中，未发现新的概念、特征或主题，达到理论饱和，研究人员结束编码。本研究通过编码共分析了226组会话，其中心血管内科（CM）134组、儿科感冒（P）92组。

4 研究结果

由表2可知，两科室用户的满意率在95%～98%，表明用户对通过在线健康医疗平台获取健康信息的满意程度较高；在用户初始问题描述中无法识别咨询问题的会话方面，心血管内科占比（20.13%）远高于儿科感冒的比例（8.27%），表明用户对心血管疾病症状的描述比儿科感冒更为困难；就交互会话轮次而言，心血管内科的平均值为12.13，高于儿科感冒的平均值9.19，由此可见，双方就心血管疾病的沟通比儿科感冒的沟通付出更多的交互努力。另外，在用户与医生交互会话过程中，两科室医生在问题追问和回答问题数量方面均多于用户，表明医生在会话过程处于主导地位。

4.1 用户与医生交互会话模式分析

通过会话分析，本研究发现了用户与医生交互的两种模式：螺旋式交互和直线式交互。螺旋式交互的特征表现为：不管用户最终是否满意医生的回答，会话过程中用户和医生彼此信息传递不完整，需多轮次追问才能获取对方准确信息；直线式交互的特征则体现为：用户对医生的回答满意，用户和医生彼此信息传递准确、顺畅、无歧义，无与咨询目的无关的信息，会话轮次较少。显而易见，螺旋式交互沟通效率要低于直线式交互的沟通效率。下文将具体分析这两种模式的特征，并构建其相应的理论模型。

4.1.1 螺旋式交互

螺旋式交互属于低效率会话模式，具有用户与医生相互追问频繁且交织在一起，会话轮次较多的特征。研究发现，该模式受来自用户、医生、平台交互易用性三方面的影响，由此引发的螺旋式交互表现有如下三种类型。

1）用户初始问题描述不明确引发的螺旋式交互

该类型螺旋式交互发生在会话展开阶段。首先，受用户对自身症状描述不清晰的影响，医生频繁追问用户体征信息、历史就诊信息等。其次，受医生不断追问影响，用户不断地表达自己的担忧和猜测，引发用户追问或提供大量无关信息。用户与医生的追问与回答交织在一起，彼此对问题的识别和理解呈现出螺旋上升的特征。如会话CM38，用户描述初始问题“我刚才感觉频死感强烈，然后呼吸困难，心跳很快”，由于症状描述不详细，医生追问11个问题，并进行了多达69次的回答或解释，期间引发用户多次主观猜测自己是否患有“焦虑症”“神经官能症”等疾病。该模式表现的交互路径特征为：医生追问多，引发用户主观猜测，进而导致问答混乱、会话冗长。

2）医生缺乏解释引发的螺旋式交互

该类型螺旋式交互发生在会话展开阶段和诊断建议阶段。在会话展开阶段，医生将一组完整的健康信息分多次传递给用户，但在此期间用户开始描述其他症状，导致会话出现混乱，即医生和用户各自表达自己的观点和需求。如会话CM30，医生分4次表达一条完整信息“我看了你的血压情况”“只是偏高了点”“问题不大”“不能诊断高血压病”。与此同时，用户并没有响应医生，而是继续描述尿酸、血常规检查等，导致会话偏移主题。此外，在诊断建议阶段，医生使用专业术语但未给出相应的解释，引发用户频繁追问。如会话CM07，医生解释“我建议口服代文，80 mg，下午3～5点口服”，用户无法理解专业术语“代文”，引发用户追问“代文，80 mg，是药的名称吗”，医生进一步解释“代文是商品名，化学名是缬沙坦片”。

3）平台交互易用性不足引发的螺旋式交互

在会话过程中，医生常常要求用户上传相关检查报告，但由于用户缺乏对平台的了解和操作技能，需要医生讲解上传流程，从而降低了会话效率。此外，也存在用户不了解平台规则，主动向医生发送自己手机号码或向医生索要手机号码等情况，触发了平台的违规警告，导致会话中断。

基于上述分析，本研究总结了用户与医生会话的螺旋式交互模型，如图1所示。引发螺旋式交互的主要原因是信息内容不明确、不清晰，彼此无法准确识别对方的需求和目的，引发连续过多的追问，且彼此的追问与回答混乱，导致无用的会话轮次增多。为达成相互理解，双方需要展开螺旋式、交替互动，在多轮会话后，才能识别各自的需求。该模式的低效性体现在交互者双方在表达上以自我为中心，在没有完全获取对方表达意图时连续追问，引发连带的负面效果，如医生连续追问引发用户焦虑情绪，导致用户追问等。

4.1.2 直线式交互

直线式交互模式中，用户与医生会话内容结构化，彼此的问与答清晰流畅，用户需求描述准确，医生解释详细，体现出高效率会话模式的特征（图2）。具体表现有如下三点。

图1 在线健康医疗平台用户与医生螺旋式交互模型

图2 在线健康医疗平台用户与医生直线式交互模型

1）用户健康信息需求描述准确详细

结合质性分析发现，用户初始问题描述对自身健康状况和体征数据汇报详细，且明确提出咨询问题，能显著减少医生追问，节省会话时间。如会话CM46，用户初始问题描述为“我在一个月前得了高血压，最高时是208/120，医院给我开了盐酸乐卡地平片和阿利沙坦酯片，吃了24天左右，没控制很好，大概还有142～150/92～98左右，所以住院调整，医生建议一起吃厄贝沙坦片和硝苯地平控释片和琥珀酸美托洛尔缓释片，昨天早晨先吃了琥珀酸美托洛尔缓释片，中午吃的厄贝沙坦片和硝苯地平控释片，今天早晨在没吃药之前量了还有127/87，心率为87，医生建议三种药一起吃，我请问能空腹一起吃吗？会不会降得太低？三种药怎么安排吃才合适”。在随后会话中，医生未追问用户问题，快速给出解答，用户表示感谢。

2）医生主导，会话内容结构化

结构化的会话内容始终围绕用户咨询问题的解答上。其主要特征包括：用户的问题、症状描述、相关汇报等清晰明确，问与答清晰流畅，多表现为医生主导会话，医生以解释为主，适当追问。例如，会话P04（隐去医生姓名）：

患者：孩子感冒流鼻涕咳嗽，体温37.2，吃什么药？

**医生：你好，出现这种症状多久了？做过什么检查

患者：昨天开始的，没做检查。**医生：咳嗽的频率高不高？患者：不算高。

患者：今天上午咳嗽四五次吧。**医生：建议吃百蕊颗粒。

**医生：精神状态好，没有其他症状，建议双手搓热放在宝宝头顶，姜末炒一下放布袋里敷脚心，姜片或者白醋放在热水里熏蒸。

**医生：缓解鼻塞流鼻涕。

患者：我给他吃了氨酚麻美干混悬剂，可以吗？

**医生：现在都不建议用这种成分比较多的感冒药？

患者：好的，明白了，谢谢！

**医生：不客气啦。

此段会话，用户准确描述了症状，医生给出了明确的建议，会话简短、双方的意图表达准确，二者的交互十分高效。

3）医生解释详尽

与螺旋式交互相比，直线式交互中的医生信息表述完整无歧义。如会话CM44，医生针对用户健康状况给出如下建议“你目前可以吃一点盐酸氟桂利嗪胶囊改善局部脑循环，阿托伐他汀，降血脂的”，该种方式清晰传递了药物及其治疗作用，用户欣然接受医生建议。

基于上述分析，本研究构建了在线健康医疗平台中用户与医生直线式交互模型，如图2所示。直线式交互所体现的用户和医生双方都表现了良好的素养：用户了解自身的健康状况和疾患特征，掌握体征数据；医生解释详尽，用户能准确理解，交互过程顺利结束。这表明良好的沟通一定体现在信息传递清晰明确，交互者之间在获取和理解信息时不会妄断猜测和曲解，并在沟通中表现出对彼此的尊重。

4.2 交互效率影响因素分析

本研究对用户初始问题包含症状数量与医生追问数量进行均值拟合处理，如图3和图4所示，分析显示医生追问数量与用户初始问题包含症状数量呈反向关系，即用户初始问题汇报症状越多，医生追问数量越少；反之，亦然。对用户初始问题包含症状数量与会话轮次数量进行均值拟合处理发现，会话轮次数量与用户初始问题包含症状数量同样呈反向关系，如图5和图6所示。这表明用户初始问题包含症状数量是影响会话长短及会话效率的重要因素。

此外，对1017组会话的用户初始问题包含症状数量与医生追问数量、会话轮次数量进行了逐一对比分析。由于不同会话的总长度（用户和医生会话次数总和）不相同，本研究计算了每一组会话中用户初始问题包含症状数量、医生追问数量、会话轮次数量占会话总长度的百分比，保证了所有会话数据以统一标准形式呈现。对比显示，用户初始问题包含症状数量同医生追问数量、会话轮次数量均存在此消彼长的关系，进一步验证了用户初始问题包含症状数量是制约交互会话的长度和效率的关键因素。

图3 心血管内科用户初始问题包含症状数量与医生追问数量均值拟合关系

图4 儿科感冒用户初始问题包含症状数量与医生追问数量均值拟合关系

图5 心血管内科用户初始问题包含症状数量与会话轮次数量均值拟合关系

图6 儿科感冒用户初始问题包含症状数量与会话轮次数量均值拟合关系

研究发现，用户初始问题包含症状数量少而导致医生追问数量上升，医生追问过多则导致用户无端猜测自己可能患有某种疾病，引发用户焦虑情绪上升。如会话CM14，用户初始问题描述了血压、心率数据，未明确提出咨询问题，在医生多次追问后，用户表示，“还有就是特害怕自己得病，前几天被狗骨头刺了一下手，就感觉自己得狂犬病了，特紧张，而且就会出现狂犬病的症状，脖子硬，而且是特硬的那种”，当医生针对“狂犬病”进行解释后，用户又向医生追问“我是不是有神经病啊”的问题。医生虽然提供了合理的解释，间接地给用户提供了相关健康信息，但明显偏离了本次会话最初的目的，未能在最短时间内向用户提供最初需要的信息，导致会话效率低下。本研究通过编码分析的226组会话中，体现用户焦虑情绪的会话占比达25.22%。分别统计心血管内科和儿科感冒的会话，则发现用户呈现焦虑情绪的占比前者为19.40%，后者为34.00%。显而易见，儿科感冒的用户更容易产生焦虑情绪，这也说明作为家长对孩子生病更为关切、紧张。

以上分析表明，用户初始问题包含症状数量是影响用户与医生交互会话效率的关键因素，其与医生追问数量和会话轮次数量存在此消彼长的关系。在医生追问过程中，受网络环境的制约，用户和医生的行为特征再次影响了会话效率，如用户信息需求表达模糊、描述不规范等，而医生习惯性地使用专业术语等。

5 讨论与结论

本研究通过分析在线健康医疗平台上的1017组关于两个不同科室用户与医生的会话，发现螺旋式和直线式交互是两者交互的主要模式，前者效率偏低，后者效率较高。其主要特征体现为：用户的初始症状描述是否清晰、详尽；交互过程是否始终围绕用户的初始症状和问诊需求；医生是否使用专业术语且缺乏解释；用户是否掌握系统或平台提供的各种功能等。此外，研究揭示了导致两者交互效率偏低的关键因素：初始问题描述的清晰和详尽程度。下文从理论上探讨两种模式形成的原动力和影响交互效率的主要原因。

5.1 在线健康系统环境下影响用户与医生交互的关键因素

（1）用户的医疗信息及诊疗需求是推动用户和医生交互进程的原动力。

信息需求是情报学领域的重要概念。Belkin[53]提出的“知识非常态（anomalous state of knowl‐edge，ASK）”假设指出，用户在信息检索之初是无法准确描述和表达其信息需求的。该理论虽然是针对信息检索系统用户而言的，但也可用于解释在线健康医疗平台上用户的需求表达行为，其寻求在线医生帮助的时刻同样处于“知识非常态”，即认知缺失的状态，包括对自身健康状态认知的缺失、相关健康知识和疾患知识了解的缺失、对医生（无法谋面）的了解和其医术水平的认知缺失等，从而导致用户无法准确描述其需求，需要通过反复沟通和互动才能厘清自身的需求。因而，用户的信息或诊疗需求是推动用户与医生不断产生交互行为的动力。同时，用户与医生沟通的过程也体现了Tay‐lor[14]揭示的图书馆馆员与用户就其信息需求开展的“问题-谈判”过程的特征，即从无法表达的真实需求到双方沟通形成妥协性的需求，本研究发现最终医生是根据妥协性的用户需求提供诊断结果和为用户提供帮助的。有些用户开启会话仅报告自身感受，无明确咨询问题，且会话展开后不断向医生传递杂乱信息和无端猜测，降低了会话效率，甚至咨询一些使医生难以回答的问题，在这种情境下，用户与医生之间往往要展开多轮次的会话，通过双方不断沟通，帮助理解对方的意图，双方不断协商、妥协，医生得以最终廓清用户的信息需求，并为用户提供有效的帮助。因此，明确了解用户的医疗信息及诊疗需求是提高双方交互效率的关键。另外，作为在线健康医疗系统或平台，为用户厘清其信息或诊疗需求，减轻双方的交互负担是改善平台的交互环境、为用户提供有效服务的重要前提和基础。

（2）交互负荷影响和塑造了用户与医生的交互模式和交互效率。

有些用户无法准确表达其医疗信息需求，导致医生和用户之间多轮次的反复沟通；医生提供信息不完整、术语过于专业化，也是导致用户反复追问的重要原因，增加了双方的交互负荷，双方均需付出更多的努力，以达到彼此的理解。这一过程更容易导致用户出现焦虑情绪，也会影响双方的交互效率。研究结果显示，用户初始问题包含的症状数量是影响会话长短和会话效率的重要因素，即初始问题中包含的症状数量越多，会话效率越高，沟通越顺畅，越容易形成直线式交互模式；反之，初始问题中症状数量越少，症状描述规范性越弱，相关诊疗数据越是缺乏，会话效率越低，沟通障碍越大，越容易形成螺旋式交互模式。而医生习惯性的专业术语表达，极大地增加了导致此种交互模式的可能性。究其原因，用户在这种交互模式中，往往易陷入焦虑、急躁、不自信等负面的情绪中，导致交互的不顺畅和交互负担的急剧增加。因此，如何避免这些交互过程中出现的不利因素和负面情绪是值得思考的问题。一方面，加强交互双方的培训和教育迫在眉睫，可以采取已有研究中提出的方法，如Claramita等[34]和Ortiz[35]等提出的针对提升医生沟通技巧开发指导课程，加强培训；也可在医学院的课程体系中融入与用户在线交流技巧的教育。同时，将一些行之有效的方法加以推广，运用到线上平台的用户与医生的交互过程中，如“问候-邀请-讨论”模式[35]、“人本主义沟通”策略[37]等，采用更人性化的沟通手段。针对用户，可提供线上沟通的指南作为平台提供的“帮助”功能的一部分。另一方面，作为在线健康平台或系统也应提供相应的机制，实现交互障碍的自动识别，提供适当的交互手段，如提醒、实时的交互建议等，疏解双方的负面情绪，给予两者正确的引导，将螺旋式转化为直线式，实现高效的交互，这有赖于系统的更加智能和智慧。

（3）自我中心的表达习惯妨碍用户与医生的交互效率。

在实体医院工作中，医生习惯主导医患之间的会话沟通[48]。本研究发现，医生的在线行为表现依旧如此，且用户同样表现出沟通过程中以自我为中心的特征。这种习惯性的自我中心的思维方式，在交互的过程中不能实现结构化，无疑在网络环境下极易成为双方沟通的障碍。已有研究表明，线上的沟通往往缺乏情感表达[18,20]，更加重了沟通的困难程度。此外，网络自由的表达环境也塑造了用户的特点，即质疑或挑战医生的权威，这和医院环境下患者往往服从医生的权威存在很大的差异，也使得在网络环境中从业的医生面临更大的挑战。在现实环境中，医院各环节的医疗工作者能够准确地理解医生的诊疗结论及专业术语，用户不需要阅读医生的处方和病例便可得到准确治疗。然而，在网络环境中，医生过于术语化的表达易导致用户理解上的困难或偏差。医生对用户的询问仅做最基本的回答，会话中医生意外掉线或出现用户等待现象，表明了医生是利用碎片化时间提供线上医疗信息服务，该行为潜在影响会话效率和信息质量。本研究发现，用户对医生使用的专业术语无法理解时，会导致双方在会话沟通上产生障碍[54-55]；而医生利用碎片化时间提供健康信息在响应“互联网+健康医疗”政策的同时，也有待进一步对其行为进行规范。

（4）知识势能差影响和塑造了用户与医生的交互模式和效率。

本研究发现，用户和医生的交互行为特征受知识势能差（knowledge potential difference）的影响显著，且存在两种形式的知识势能差。首先，在会话中医生习惯使用专业知识而忽视对其进行进一步的解释，表明医生在健康专业知识方面处于知识势能差的高位，而用户无法理解医生答复引发追问表明知识势能差阻碍了二者的沟通和交互。其次，用户在病情信息方面处于知识势能差的高位，当用户杂乱无章地汇报信息时，医生只能被动地追问和筛选有用信息。受知识势能差的影响，追问诱发用户对病情严重程度的担忧，导致其焦虑情绪上升。研究结果表明，知识势能差越大，沟通的时间成本和双方的努力程度越高，沟通的效率越低，越易形成螺旋式交互模式。而知识势能差的存在表明群体中知识的多样性，也是促进知识转移的关键驱动力[56]，故缩小二者的知识势能差有助于提升交互会话效率，也有助于健康知识的传播，提升用户健康信息素养。

综上所述，导致不同交互模式的主要原因和影响交互效率的相关因素包括：用户的信息需求、诊疗需求及需求描述、交互负荷、自我中心的表达方式及用户和医生之间的知识势能差，这些模型、特征和影响因素的揭示，丰富了在线健康平台用户交互行为理论，体现了本研究的理论价值。

5.2 研究的启示与局限性

本研究弥补了在网络环境下对医生和用户之间交互行为研究的不足，将用户与医生之间的交互研究延伸至在线医疗平台的环境中，识别了两者之间的主要交互模式、特征，分析并揭示了形成高效和低效交互模式的主要因素。为助力用户健康素养的提升和在线健康平台的智能化建设，总结出如下启示。

（1）综合分析用户与医生的交互会话特征发现，在虚拟情境下，如何学会问与答是二者均需要提升的重要技能。用户需努力改善自身健康信息素养，积极响应国家政策，掌握基本医学常识，实现更高效地利用“互联网+健康医疗”平台提供的资源；医生则需努力适应虚拟情境与医院情境的差异，为用户提供可快速理解的健康信息，帮助用户提升健康信息素养，同时，将优质的医疗资源通过在线健康平台分享出去，解决看病难的现实问题。

（2）用户与医生的交互会话离不开系统的调节作用，交互性友好的在线健康医疗平台可助力用户健康信息素养的培养及医生对在线问诊情境的适应。通过优化交互设计适当干预用户与医生的会话，可引导用户以结构化方式表达健康信息需求，智能分析用户需求，对医生的回答进行补充。同时，未来的智能化健康问答系统可引导医生对专业术语进行适当解释，或系统能提供医学词汇的自动识别和解释功能，辅助医生的回答。

（3）如何缩小用户与医生的知识势能差对平台的交互设计提出了要求。谢泗薪等[57]强调了知识势能差与互动技能是影响知识转移的重要因素，由于用户与医生知识结构不同及认知差异，智能化健康医疗系统可采用机器学习技术捕获用户与医生的行为，尝试对其干预引导，以缩小知识势能差。例如，对用户常见咨询问题分析并生成知识库，实时分析用户与医生会话，向用户推送相关知识；采用诸如激励措施引导医生改变缺乏对专业术语解释的行为特征等。

（4）本研究的另一贡献是识别了用户与医生交互的两种模式，分别从用户开启会话、会话展开阶段、诊断建议阶段、会话结束四个阶段揭示了用户和医生在不同模式下的交互特征。对比两种模式可清晰发现，在不同阶段如何对用户或医生的行为进行引导或培育显得尤为重要，例如，会话开始阶段系统或平台可以尝试以结构化的形式引导用户填写症状信息和具体咨询问题，在会话展开后可采用机器学习技术对用户与医生的低效行为进行识别和干预等。两种会话模式的识别，从理论上为智能健康医疗系统的交互设计提供了针对性的指导，为设计以用户为中心的系统，提升用户交互体验提供了理论依据。

本研究的局限性在于研究数据有限，仅选取心血管内科和儿科感冒两类数据进行分析，且分析侧重于用户与医生的交互会话特征和效率。此外，仅采用质性分析手段对数据进行了分析，以揭示两者之间的交互模式和效率。由于研究设计和数据性质的局限，无法回答一些问题，如医生追问过程中用户焦虑情绪的测量等。未来的研究将进一步扩大样本量，改善研究设计，利用多种研究方法回答这些问题，并进一步验证本研究的结果，从而得到更有效和可靠的结论，为提升在线健康信息系统或平台环境下的用户和医生的交互提供理论指导，也为智能在线健康信息系统或平台的开发和设计提供理论基础和实证支持。