风险感知视角下个体信息处理模式对政策支持态度的影响研究

明均仁, 朱秋雨, 陈晓禹, 涂瑞德

(1. 武汉工程大学管理学院, 湖北武汉 430205; 2. 华中师范大学信息管理学院, 湖北武汉 430079)

0 引言

在突发公共卫生事件的冲击下, 社会公众对政府提供的有关应急处理、 应对时效等信息需求迫切[1], 各国政府积极出台、 实施相关政策以应对突发公共卫生事件带来的影响。 公众对政策的态度是决定政策能否有效实施的重要因素, 但公众是否对政策持积极态度以及哪些因素会影响公众接受政策尚不明确。 经济学、 政治学领域的一些学者立足于宏观视角研究了政策采纳问题, 但忽略了个体因素以及信息处理机制。 事实上, 个体在风险环境下如何选择信息处理模式、 如何通过信息处理进行决策对风险沟通效果具有关键影响, 然而, 从个体信息处理视角寻找影响公众政策支持行为的前置因素的研究思路却较少受到关注[2]。

对政策的态度是一个复杂的概念, 本文从信息处理角度, 选择启发式-系统式模型(heuristicsystematic model, HSM)及风险信息寻求与加工(risk information seeking and processing, RISP)模型为依据, 分析突发公共卫生事件期间公众政策支持态度的影响因素。 HSM 是一个用于解释人们如何接受和处理信息的经典的社会认知模型, 近年来被用于风险管理领域, 分析公众的风险信息处理和搜寻行为[3]。 基于HSM, 学者提出RISP 模型, 被证明是预测风险信息寻求及处理的重要工具, 揭示了影响公众信息搜寻行为的主要因素[4-5]。 公众对政策的支持态度本质受到其文化价值观及认知模式的影响[6], HSM、 RISP 模型解释了认知因素影响下个体处理信息的方式以及不同信息处理模式对风险防控政策态度的影响。 其中,风险感知作为典型的主观认知因素, 代表个体所感知到的对风险的部分或选择性看法[7], 是公众理解并支持相关政策的重要因素[8]。 但在以往研究中, 学者对风险感知直接影响机制的论断存在矛盾之处, 当某一特定风险感知处于较高水平时,可能对公众政策支持态度产生积极影响, 也可能产生消极影响[9]。 现有研究对风险感知如何影响政策支持没有一致定论, 且缺乏实证研究。

本文以突发公共卫生事件为研究背景, 从个体信息处理角度分析影响公众对风险防控政策态度的因素, 提出个体信息处理模式对政策支持态度具有显著影响的假设, 进一步将风险感知作为调节变量, 分析其对公众接受风险防控政策的影响, 完善风险感知对政策支持的影响机制。

1 理论基础

1.1 信息处理

风险事件发生后, 传达真实信息、 缩小信息发布者与信息接收者之间的信息差极为重要[10]。信息是决策的基础, 个体行为受所接收信息的显著影响[11]。 个体的思考过程体现在处理信息上,信息处理指对环境发出的信号进行收集、 整理以及理解的过程[12]。 个体首先感知信息, 对信息进行处理, 将信息转换为自身可理解的形式, 最后根据所感知到的信息以及经过处理的信息做出行为[13]。 然而, 信息存在歧义, 个体也受认知能力、时间等因素限制, 对信息的理解存在不确定性[14]。公众采用不同信息处理模式会导致采取不同的行为与决策, 基于正确处理信息后所作出的决策对控制风险往往具有积极作用。

1.2 启发式-系统式模型

启发式-系统式模型认为人们有2 种模式来处理信息, 即启发式和系统式信息处理模式[15]。

1.2.1 启发式处理

信息的搜寻处理需要花费信息接收者的认知努力, 对需要花费较少认知努力的相关线索, 公众将采用启发式信息处理模式[16]。 在启发式信息处理模式的相关研究中, 较多学者认为当个体使用简单的决策规则来判断信息是否有效时, 就会引起启发式处理, 这种简单的决策规则常常表现为专家意见或某种社会共识[17]。 启发式信息处理模式作为一种付出相对较少努力来判断信息有效性的方式, 意味着公众在接受信息时, 更愿意选择容易获取的信息, 如可靠的信息源以及其他非内容线索[18]。 如Hovland 等[19]认为公众对信息内容可信度的判断会受信息发布渠道的影响, 权威专家发布的信息具有更高的可信度。 公众是否采用启发式信息处理模式与信息是否有效密切相关,对信息有效性的判断由个体从主观层面得出且并未花费较大认知努力进行深层思考。

1.2.2 系统式处理

系统式信息处理模式更加复杂, 需要对信息进行详细地思考与观察, 付出较大的认知努力后才能够作出决策[20]。 系统式处理模式是个体通过整合所有有用的信息来作出决策, 且更关注信息本身的内容, 而不是与信息相关的外部特征[21]。当个体认为自身有获取足够信息满足需求的信念或能力时, 将更倾向于采取系统式信息处理模式来满足自身需求, 通过完备的分析作出准确的判断[22]。 信息质量反映信息的真实可靠性, 被认为是进行系统式分析的一个重要线索, 公众花费较多的时间和精力获取高质量的信息, 有利于作出更合理的判断[23]。 在系统式的搜寻与处理中, 公众会努力寻找高质量的信息, 并对具有高质量的信息进行有逻辑、 合理、 复杂的加工进而作出决策。

1.3 RISP 模型

风险信息搜寻及加工模型认为, 个体特征、风险感知、 对风险的情感反应、 信息不足及对信息有用性的信念等因素将影响个体处理风险信息的投入时间、 精力以及采用何种信息处理模式搜寻信息[24]。 本文结合RISP 模型, 选取以下因素对公众信息处理模式进行分析: (1)信息不足。 信息不足是RISP 模型的核心概念, 公众信息寻求的强度与信息不足有很大相关性, 个体对信息充分的渴望激励其更迫切地寻求并处理信息[25]。 (2)负面影响。 风险事件往往伴随大量轻重程度不一的负面影响, 如恐慌、 焦虑等负面情绪, 这些负面影响随风险事件演变的不同阶段增强或减弱, 直接导致公众采取不同的信息寻求与处理模式[26]。(3)风险感知。 大多学者将公众对风险的认知、 情感反应放在同一层面进行评估, 公众对风险的认知及其产生的情感反应都能影响信息不足, 进而对信息搜寻产生影响[26]。

现有研究证明, 从公众个人层面看, 负面情绪影响其信息不足感, 信息不足是影响公众寻求风险信息的内部动机, 是直接驱动力[27], 而采取何种信息处理模式也是公众在风险事件发生后的主观行为, 因此, 本文选取信息不足、 对风险的负面情感反应(负面影响)作为公众采用不同信息处理模式的主要前置影响因素。 此外, 公众风险感知作为认知因素处于动态变化之中, 但较少有学者对不同风险感知水平下信息处理模式的作用机制进行研究。 本文结合突发公共卫生事件的高风险背景, 探索性地将风险感知作为调节因素,分析其是否影响公众不同风险信息处理模式与行为意向的关系。

1.4 风险感知与政策支持

风险感知是公众政策支持态度的重要预测因素, 公众可能因其所感知到的风险而拒绝支持某项政策, 也可能忽略这一风险进而支持政策实施[28]。 Huang 等[29]针对中国空气污染问题进行研究, 得出风险感知对政策支持具有正向影响。 而早前Leiserowitz[30]以全球变暖为背景, 对美国公众政策支持态度进行了分析, 发现虽然美国公众感受到了全球变暖所带来的威胁, 并支持部分缓解政策, 但强烈反对以提高汽油等燃料价格为代表的缓解政策, 这种矛盾是由于公众所感知到的风险造成的。 公众风险感知与政策支持的关系并没有明确定论, 可能是由于风险感知属于主观认知因素, 处于变化之中, 影响其与政策支持的关系。 因此, 学者对风险感知进行了更细致地研究,分析特定风险感知水平下其他变量间的影响机制,如Ademola 等[31]将风险感知作为调节变量, 应用于金融领域, 认为风险感知的变化能调节金融知识与投资决策之间的关系; Zhang 等[32]认为风险感知对消费者责任心与态度、 主观规范等因素之间的关系起到调节作用。

综上, 风险感知作为公众政策支持态度的重要测度因素, 由于其本身的不确定性, 对政策支持的直接影响处在变化之中, 其调节作用更具研究意义。

2 模型和假设

风险社会环境下, 公众信息处理模式会影响其对信息的判断, 进而影响行为意向。 本文在高风险背景下, 借鉴HSM 及RISP 模型, 引入风险感知作为调节变量, 对风险信息下公众信息搜寻行为进行分析, 研究模型见图1。

图1 研究模型

2.1 信息不足与公众信息处理模式的关系

信息不足是个体主观感受, 指个人对自己所需额外信息数量的判断, 能反映公众现已掌握的信息水平与有效应对风险所需的信息水平之间的差距[33]。 当个体感受到自身所掌握的信息与应对风险所需信息之间有差距时, 将进行一定的信息处理, 缩小差距以满足自身信息需求。 Zhu 等[34]认为信息不足能显著促进个体进行信息寻求, 信息不足水平较高的个体更倾向于选择系统式的信息处理模式; Griffin 等[35]在研究中也提出为克服信息不足, 个体将更加积极地进行信息搜寻与处理。 因此, 结合本文研究背景, 在风险环境下,当个体感受到自身信息不足的程度较高, 将付出更多的认知努力, 更加审慎地主动寻求和处理风险信息, 即采取系统式的风险信息处理模式。 结合以上相关理论研究, 提出:

H1: 信息不足与系统式信息处理模式呈正相关关系。

H2: 信息不足与启发式信息处理模式呈负相关关系。

2.2 负面影响与公众信息处理模式的关系

风险环境下, 大量风险信息易对公众造成负面影响, 产生恐慌、 愤怒等负面情感, 这种负面情绪会使个体产生更多的风险信息需求, 积极主动地找寻所需信息弥补差距[36]。 已有研究验证个体在面对风险信息时产生的情感反应, 尤其是负面情感, 能增加公众信息不足感, 从而进行信息搜寻[37]。 个体产生的负面情绪与其系统式的信息处理模式呈正相关关系[38]。 Yang 等[2]指出在高风险信息背景下, 由风险造成的危害而引发的情感反应, 能增加个体对该风险信息的认知不足, 影响个体对风险信息的搜寻与处理方式。 结合本文研究背景, 在风险环境下, 个体为消除负面情绪,会积极主动采取措施对风险信息进行搜寻与处理。因此, 结合已有理论与假设, 提出:

H3: 负面影响与系统式信息处理模式呈正相关关系。

H4: 负面影响与启发式信息处理模式呈正相关关系。

2.3 信息处理模式与公众行为意向之间的关系

公众接收风险信息及政府出台的缓解政策后,采用何种方式进行信息处理将影响其行为意向,进而影响公众对政策的态度[39]。 公众对政策的配合态度是减少风险事件后续伤害的重要因素。 公众采取系统式信息处理模式时, 会对信息进行详细搜索和分析; 当公众采取启发式信息处理模式时, 更多依赖于信息的表象特征或简单线索进行判断, 快速浏览大量信息。 已有研究证明, 与快速处理信息相比, 当个体系统处理某条信息时,其对信息内容的理解会更加深入[40], 系统式处理能正向影响个人对缓解政策的支持态度[2]。 结合本文研究背景, 在高风险背景下, 公众采取系统式信息处理模式将更加支持风险信息环境下的相关政策。 因此, 本文提出以下假设:

H5: 系统式信息处理模式与公众对政策的支持态度呈正相关关系。

H6: 启发式信息处理模式与公众对政策的支持态度呈负相关关系。

2.4 风险感知对信息处理模式与公众行为意向之间关系的影响

风险感知与真实风险不同, 是个体主观上感知到的风险[41]。 风险感知能激发公众进行信息寻求[42], 影响公众信息搜寻行为[43]。 同时, 风险感知是预测公众能否适应灾害以及如何应对风险的重要因素[44], 会深刻影响公众对自然灾害的心理反应[45]。 当公众感知自己处于低风险水平时, 可能会产生安全感, 对有效控制威胁持乐观态度,更有可能采取后续行动[46]; 当公众风险感知处于高水平时, 易产生消极态度[32], 或将影响公众在接收及处理风险信息后的行为意向, 使他们在决策前产生犹豫, 从而减弱公众信息处理模式对政策支持态度的影响。 因此, 本文提出以下假设:

H7: 信息处理模式与政策支持态度之间的关系受风险感知调节。

H7a: 高风险感知时, 系统式信息处理模式对政策支持态度的正向影响减弱。

H7b: 高风险感知时, 启发式信息处理模式对政策支持态度的负向影响减弱。

3 研究方法

3.1 问卷设计与数据收集

3.1.1 问卷设计

本文问卷题项在采用或借鉴已有成熟量表的基础上修改形成[2,20,26,36,47-48], 运用李克特七级量表进行设计。 在预调研基础上, 对问卷进行修改、 完善,形成正式问卷, 进而大规模发放。 问卷内容主要分为三部分: 第一部分是问卷基本信息的说明; 第二部分是被调查者的基本信息; 第三部分是问卷的主体部分, 结合研究假设、 变量定义、 研究目的设计题项, 涉及6 个变量24 个题项(见表1)。

表1 变量与测量题项

3.1.2 数据收集

此次数据收集通过社交媒体平台线上邀请被调查者进行问卷填写, 2022 年3 月10 日至2022 年5 月10 日期间共回收有效问卷2 541 份。

3.2 描述性统计分析

通过对回收数据进行描述性统计分析, 被调查者年龄、 学历、 职业、 家庭年收入等基本情况如下:

(1)年龄结构较为年轻, 20 岁到25 岁之间的人数达1 280 人, 占样本总数的50.37%。 在突发公共卫生事件高风险背景下, 年轻人是最先感知到风险信息并进行信息搜集与处理的主要人群之一。

(2)职业大部分为学生, 占样本总数比为83.83%。 学生作为接受高等教育的群体, 能较好地理解问卷, 不同学科背景及知识储量的学生能使问卷数据更加合理。

(3)大部分具备较高的受教育水平。 其中, 本科有1 990 人, 占样本总数比为78.32%; 硕士及以上有118 人, 占样本总数比为4.64%。 问卷在不同学历层次间发放, 能扩充问卷的数据来源, 多层次地反映实际内容。

(4)家庭年收入在不同阶段的人数达到了较为均衡的状态, 从而避免在研究过程中家庭经济环境因素对被调查者产生较大影响。

3.3 信效度分析

大多数学者通过分析问卷的信度和效度来进行可靠性与有效性的检验。 信度分析用来检验问卷及量表的可信程度[49]; 效度分析在一定程度上检验收集数据的有效性与准确度[50]。 本文使用SPSS 21 统计分析软件和Amos 21 实证分析软件对问卷进行信效度测量分析。

3.3.1 信度分析

问卷主要通过克朗巴赫系数(Cronbach'sα)来进行信度分析。 当Cronbach'sα值大于0.7 时, 表明问卷信度较高; Cronbach'sα大于0.5 时, 表明问卷信度良好。 本问卷整体Cronbach'sα值为0.854,表明问卷及量表内部一致性较高, 具有较高的可信度; 题项间的Cronbach'sα在0.580 到0.917 之间,各因素的Cronbach'sα值均大于0.5, 表明问卷中测量同一变量的题项间具有较好的内部一致性, 问卷及量表都具有较高的可信度(见表2)。

表2 表量信效度分析结果统计

3.3.2 效度分析

在研究中, 一般运用KMO 值、 Bartlett's 球形检验P值、 组合信度(CR)和平均提取方差值(AVE)等指标来检验问卷的有效性。 由表2 可知,除风险感知变量的KMO 值为0.547 外, 其余变量的KMO 值均大于0.6, Bartlett's 球形检验P值均小于0.001, 表明各变量间通过独立性检验, 可进一步做因子分析。 组合信度值在0.632 到0.918 之间, 且除风险感知与启发式信息搜寻模式外, 其余变量的平均提取方差值均大于0.5, 表明从总体上看, 问卷的收敛效度较好, 整体有效。

问卷的区分效度能检验问卷中各变量题项之间的相关度。 如量表中每个变量AVE 值的平方根都大于其与其他变量之间的相关性系数, 则说明该量表具有良好的区分效度。 由表3 可得, 每个变量的AVE 值均满足以上条件, 因此, 本研究的问卷题项具有较好的区分效度。

表3 问卷的区分效度检验结果

4 研究结果

4.1 模型检验

本文采用结构方程模型对假设及模型进行验证, 以Amos 21 软件工具对收集到的数据进行实证研究, 模型检验结果见图2。 可见, 信息不足与系统式信息处理模式呈正相关关系(β=0.492,P＜0.001), 与启发式信息处理模式呈负相关关系(β=-0.178,P＜0.001), 即在突发公共卫生事件背景下, 当公众接收到的信息不能满足自身所需时,公众为了消减自身信息不足带来的不确定性, 不会采取启发式信息处理模式, 而将采取系统式信息处理模式, 支持假设H1、H2。 负面影响与系统式信息处理模式β=0.239,P＜0.001)、 启发式信息处理模式(β= 0.098,P＜0.001)呈正相关关系, 即公众为缓解高风险环境所带来的焦虑、 忧愁等情绪时, 会对接收到的信息进行一定的加工处理, 支持H3、H4。 系统式信息处理模式与公众对政策的支持态度呈正相关关系(β=0.522,P＜0.001), 启发式信息处理模式与公众对政策的支持态度呈负相关关系(β= -0.211,P＜0.001), 即当公众对信息采用系统式处理模式时, 通过有逻辑且高质量的系统线索, 尽可能全方位地了解所接收信息, 从而对政策持积极态度; 当公众采取启发式信息处理模式时, 依靠简单的表征线索加工处理信息, 对信息认识不够全面, 导致对政策产生质疑, 从而对相关政策持消极态度, 支持假设H5、H6。

图2 模型检验结果

4.2 调节效应检验

为进一步对信息处理模式与公众政策支持态度之间的相互关系进行分析, 本文结合具体情境,引入风险感知作为调节变量, 研究其程度变化过程中对其他变量关系的作用机制。

本文将公众政策支持态度作为因变量, 以启发式信息处理模式、 系统式信息处理模式作为自变量, 以风险感知作为调节变量, 并将风险感知与启发式信息处理模式、 系统式信息处理模式的乘积作为交互项, 利用层级回归方法进行调节效应检验。 具体操作如下: 将自变量及调节变量标准化后, 将自变量启发式信息处理模式及调节变量风险感知、 自变量系统式信息处理模式及调节变量风险感知分别放入因变量为公众对政策支持态度的回归方程中, 分别记为模型1、 模型2; 其后, 再分别加入启发式信息处理模式、 系统式信息处理模式与风险感知的交互项, 分别记为模型3、 模型4。 检验结果如表4 所示, 表中数据为各回归模型中对应变量的回归系数。 由表4 可知, 随着交互项的加入,R2增大, 模型解释力度分别提升至6.2%和31.1%。 由标准化交互项系数可知,在公众对政策持支持态度的过程中, 风险感知在启发式信息处理模式(β=-0.067,P＜0.001)和系统式信息处理模式(β=-0.078,P＜0.001)中都起到负向调节作用, 即高风险感知时, 系统式、 启发式信息处理模式对政策支持态度的影响减弱,验证假设H7成立。

表4 调节效应检验结果

经上述调节效应检验发现, 风险感知对信息处理模式与公众政策支持态度之间的关系有负向调节作用: 高风险感知时, 系统式信息处理模式对公众政策支持态度的正向影响减弱, 启发式信息处理模式对公众政策支持态度的负向影响减弱。风险感知的调节效应见图3、 图4。

图3 风险感知的调节效应(a)

图4 风险感知的调节效应(b)

启发式信息处理模式与公众政策支持态度之间呈负相关关系。 调节效应检验结果显示, 当公众风险感知处于高水平时, 启发式信息处理模式与公众政策支持态度之间的关系受高风险感知的调节作用有所减弱, 但图3 显示启发式信息处理模式与公众政策支持态度之间呈更强的负相关关系。可能是由于公众受高风险感知的影响, 虽然信息处理模式对公众政策支持态度的影响减弱了, 但过高的风险使公众危机感急剧上升、 对政策信任程度急剧下降, 导致无论采用何种信息处理模式,都会使其对政策呈现更消极的态度, 即高风险感知时, 启发式信息处理模式对公众对政策支持态度的负向影响被增强了。

系统式信息处理模式与公众政策支持态度之间呈正相关关系。 当风险感知处于高水平时, 如图4 所示, 系统式信息处理模式与公众政策支持态度之间的正相关关系会减弱, 采用系统式信息处理模式的公众虽对政策有充分了解, 但高风险所带来的高不确定性使其更加谨慎, 可能会衡量花费高昂代价能否有效缓解风险, 从而对政策支持的积极态度有所减弱。

综上所述, 风险感知影响信息处理模式与公众政策支持态度之间的关系, 使公众对政策的态度存在高风险消极支持倾向。 当公众处于高风险感知情境下, 无论采用何种信息处理模式, 都会对其支持政策实施产生消极影响。

5 结论与展望

5.1 研究结论

以上研究发现风险感知对政策支持具有重要影响, 风险感知在信息处理模式与公众对政策支持态度的关系中呈现高风险消极支持趋势。 当公众风险感知处于高水平时, 政府和公众均面临严峻的风险考验, 公众对风险沟通及行动可能产生抵触情绪[51], 从而对政策的支持态度有所保留。在此情况下, 无论持启发式还是系统式信息处理模式, 都会使公众对政策的支持意愿降低。 因此,将公众风险感知控制在较低水平有利于其支持政策的实施。

风险感知对公众信息处理时的行为产生影响,呈高风险消极支持倾向, 过高的风险感知不利于风险防控政策的实施。 因此, 政府应与公众进行有效的风险沟通, 使公众获得适当的风险感知,提高公众风险感知与风险真实情况的一致性[52]。当公众风险感知过高时, 如何将风险感知有效地控制在适中或较低水平, 是政策实施前的重点。相关研究表明, 媒体对风险事件发布的评估会影响公众对风险的态度[53], 耸人听闻的媒体报道可能会使公众产生错误的风险感知[54]。 当风险事件发生时, 可利用媒体正确引导舆论, 避免夸大风险使公众产生过高的风险感知, 政府及时发布权威信息, 说明风险后果及相应缓解措施, 从媒体、政府两个方面对公众风险感知的形成进行正确引导。

信息不足和负面影响对公众支持风险防控政策具有间接影响关系, 都能正向影响公众采用系统式信息处理模式进而对政策持积极态度。 这一结论与以往研究一致, 负面影响及对信息的更大需求能促使公众对信息进行系统式处理模式, 进一步支持政策实施[55]。 此外, 负面影响能促进公众调动启发式信息处理模式, 启发式信息处理模式对公众支持政策实施具有负向影响; 而信息不足能促使公众减少调动启发式信息处理模式。 因此, 在信息处理模式的前置影响因素中, 应更多关注信息不足带来的影响。

5.2 研究不足与展望

本研究样本的受教育水平普遍高于当前社交媒体用户的受教育水平, 且样本数据大部分来自学生群体, 而不同教育背景的用户利用社交媒体获取信息的能力不同, 个体行为也会产生差异,这些都会对研究结果产生一定影响, 因此后续研究中应考虑社会不同用户群体, 采取分层抽样的取样方式。 本研究尚需进一步对风险感知进行测度, 预测风险感知临界点, 以便将公众风险感知控制在一定范围内。 除风险感知外, 政策支持中还有一些关键因素, 如信任等, 会对公众政策支持态度起到积极的促进作用[56], 风险感知受到信任的影响[57], 信任也影响着公众的信息处理模式[58], 后续研究将加入这些因素来深入分析个体信息处理模式对政策支持态度的影响机制。