用户网络健康信息搜索对健康风险认知偏差的影响

韩正彪 戚景琳 王云辉

摘   要：文章旨在揭示用户网络健康信息搜索与健康风险认知偏差之间的关系，以丰富信息行为领域认知偏差的研究成果，并为全面提升人民的健康认知水平提供建议。基于现有研究基础提出相关假设，利用 CGSS2021 数据，运用OLS模型、工具变量法和调节效应模型检验了用户网络健康信息搜索与健康风险认知偏差之间的关系。结果表明，网络健康信息搜索频繁程度显著负向影响健康风险认知偏差，网络健康信息主题搜索强度和网络健康信息搜索效果的调节作用显著。研究结果可为深入探究网络健康信息搜索中健康风险认知偏差的影响机制提供参考，对于发挥网络健康信息搜索的优势、降低用户健康风险认知偏差具有重要的实践意义。

关键词：网络健康信息搜索；健康风险认知偏差；主题搜索强度；搜索效果

中图分类号：G354   文献标识码：Ａ   DOI：10.11968/tsyqb.1003-6938.2023068

The Impact of User online Health Information Search on Health Risk Cognitive Bias： An Empirical Study Based on CGSS Data

Abstract The purpose of this study is to reveal the relationship between users' online health information search and perceived health risk bias， to enrich the research results of cognitive bias in the field of information behavior， and to provide suggestions for comprehensively improving people's health cognition level. Based on the existing research foundation， relevant hypotheses were put forward， and the OLS model， the instrument variable method and the moderating effect model were used to test the relationship between users' online health information search and health risk perception bias using CGSS2021 data.The results show that the frequency of  online health information search has a significant negative impact on health risk cognitive bias， and the moderating effect of online health information topic search intensity and online health information search outcome is significant. The results of this paper can provide a reference for exploring the mechanism of health risk cognitive bias in online health information search， and have important practical significance for giving full play to the advantages of online health information search and reducing users' health risk cognitive bias.

Key words online health information search; health risk cognitive bias; topic search intensity; search outcome

為了落实健康中国战略，我国出台《健康中国行动（2019-2030年）》，呼吁人们需要“正确认识健康”［1］。但在现实生活中，人们往往无法正确认识他们的健康状况，其自我评估的健康状况和实际情况常常存在偏差［2］，从而进一步引发潜在的健康风险［3］。由于个体的感受具有一定的主观性，他们在健康的风险认知方面会产生一定的偏差［4-5］。健康风险认知偏差是指个体的健康风险主观认知与健康风险客观状况之间的差异，即个体对自我健康水平的认知存在错误或不准确的倾向［6-7］。在健康风险主观认知较高时，会高估自身的健康水平，反之会低估。人们对其健康状况的高估，容易产生健康状况的盲目乐观，忽略潜在的健康风险，如老年人会增加摔倒的风险［8］；而对健康状况的低估，容易产生健康状况的盲目悲观，产生健康焦虑［6，9］，严重的健康焦虑会导致心理疾病［10］。因此，健康风险认知偏差的存在会对人们的健康产生负面影响。

在“健康中国”和“互联网+医疗健康”的背景下，互联网有助于人们搜索相关疾病症状、治疗方案以及药物信息等健康信息，以帮助他们更好地认识自身健康状况、做出健康决策和提升健康水平［11-13］。通过网络搜索健康信息可以帮助人们了解健康方面的知识、自己的身体状况和潜在的健康风险，进而降低健康风险认知偏差［14］。但是，网络上存在大量不可靠的信息源，也可能会误导人们对自我的健康认识，增加他们的健康风险认知偏差［15］。同时，相关研究表明，用户健康信息搜索认知偏差会受到健康信息搜索主题和搜索效果的影响［16-17］。现阶段，信息行为研究人员正在逐步关注与健康相关的认知偏差，并且对健康信息搜索中存在的多类认知偏差进行了研究［18-20］。但是，现有研究仅仅探索了用户健康信息搜索行为过程中认知偏差的心理机制［21-22］，还未有研究验证信息搜索对认知偏差的影响，也未在健康风险这一情境下做出探索。

综上所述，本研究在检验用户健康信息搜索与认知偏差之间的关系时，关注了用户的健康风险这一研究情境，拓展了信息行为研究的情境。对该关系的检验结果，可以为深入探究网络健康信息搜索中健康风险认知偏差的影响机制提供参考，从而丰富网络健康信息搜索研究的视角。同时，本研究成果可以应用于国内网络健康信息搜索实践，从实践的角度给出相应的政策建议，以更大限度地发挥网络健康信息搜索的优势，降低用户健康风险认知偏差。依据CGSS2021社会调查数据，分析用户网络健康信息搜索如何影响其健康风险认知偏差，可厘清二者之间的关系。研究围绕以下问题展开：（1）用户网络健康信息搜索频繁程度是否会影响其健康风险认知偏差？（2）网络健康信息主题搜索强度是否会调节用户网络健康信息搜索频繁程度对其健康风险认知偏差的影响？（3）网络健康信息搜索效果是否会调节用户网络健康信息搜索频繁程度对其健康风险认知偏差的影响？

1   理论基础

1.1    认知偏差理论

认知偏差源于认知心理学，后被纳入行为经济学范畴。目前该理论被视为一种独特的理论视角被信息行为研究广泛关注［23］。行为经济学研究者最初从有限理性的角度探讨了直觉推断认知思维［24］，该思维可以快速毫不费力地做出决定，即用有限的认知资源做出决策的简单规则［25］。人的大脑中存在两类思维系统，系统1是基于直觉的、可以快速做出反应的直觉推断思维系统，系统2则需要更多的认知努力，决策的过程往往较为缓慢。认知偏差是由于人们大脑中的两个思维系统之间的信息处理冲突导致，影响着人们感知和处理信息的方式。通常是指个体在认识和判断事物时所产生的、与事实的偏离或偏离的趋势［26］。由于认知偏差是客观存在的，同样也存在于个体认识和判断自身身体健康风险状况的情境下。因此，认知偏差理论为本研究提供了良好的理论基础。

1.2    搜索即学习

随着情报学认知范式和人机交互领域“以用户为中心”设计理念的发展，搜索即学习（Searching As Learning，SAL）理论受到广泛关注，将信息搜索视为学习的过程，可以更好地理解信息搜索的过程［27］。SAL的相关研究可以分为两个视角：一是将信息搜索视为学习的工具，二是将信息搜索视为学习的过程［28］。在信息搜索被视为一种学习过程的视角下，学习作为一个复杂的构念［29］，搜索者在搜索过程中其认知结构会发生显著的变化，具体包括领域知识的变化和系统知识的变化［30］。随着搜索过程的进行，用户的知识水平会逐渐提高［31］。网络健康信息搜索的过程也可以视为一种学习过程［32］。该过程是一种以获取预防或治疗自身面临的健康问题的相关信息为目的的搜索行为，会伴随着健康知识的吸收和利用行为，且会产生不同的学习效果［33］。因此，本研究基于SAL视角，将用户网络健康信息搜索的过程视为学习的过程。

2   研究假设与模型构建

2.1    研究假设

3.1.1   网络健康搜索的频繁程度对健康风险认知偏差的影响

现有研究指出，用户网络健康信息搜索会对认知偏差产生一定的影响。如在涉及风险和不确定性问题时，增加信息搜索会促进健康活动和调整认知问题［34］。用户通过网络健康信息搜索可以获取到与病情相关的信息，用于风险的评估和疾病预防［35］。在SAL视角下，用户网络健康信息搜索的过程可以视为不断学习健康知识的过程。具体而言，用户在此过程中会鉴别真伪健康信息，并吸收和利用正确的健康信息，从而实现健康知识的增加和健康认知能力的提升。显然，用户对自我健康认知水平的提高，有利于降低健康风险认知偏差。因此，本研究提出如下假设：

H1：用户网络健康信息搜索频繁程度会显著负向影响健康风险认知偏差，即用户网络健康信息搜索越多，则其健康风险认知偏差程度越低。

2.1.2   网络健康信息主题搜索强度的调节效应

网络健康信息的主题具有多元性，具体包括保健和治疗等核心主题［36］。用户在搜索关于新冠疫情［37］、疫苗接种［38］、食品营养信息［39］等方面均会受到认知偏差的影响。相关研究认为，用户在对特定网络健康信息主题进行搜索时，搜索的强度越大，其认知偏差程度越低［23］。同时，不同类型的健康信息主题对健康风险认知偏差的影响也不同。如当人们搜索的健康信息主题具有较高的情感价值时（如癌症［40-41］、基因健康［42］等主题），产生健康风险认知偏差的可能性更高；而具有较低的情感价值时（如一般性健康问题［43］、营养［44］等健康主题），他们可能更容易从客观的角度评估和应用所搜索到的信息。基于此，本研究提出如下假设：

H2：网络健康信息主题搜索强度会调节用户网络健康信息搜索频繁程度对健康风险认知偏差的影响。

2.1.3   网络健康信息搜索效果的调节效应

用户信息行为中的认知绩效会影响认知偏差［45］。如果用户在健康信息搜索过程中有较好的学习效果，他们便可以更为客观地评估和应用搜索到的健康信息，从而避免受到主观臆断和选择性注意偏差的影响，即减少认知偏差的影响。用户的学习效果越好，意味着用户可能会更全面地了解健康信息问题。特别是在处理健康信息时，具有较好的学习效果，可以帮助人们更客观地评估和应用所搜索到的信息，即可以更客观地评估自我的健康状况，进而降低健康风险认知偏差。基于此，本研究提出如下假设：

H3：网络健康信息搜索效果会调节用户网络健康信息搜索频繁程度对健康风险认知偏差的影响。

2.2    模型构建

通过构建OLS回归模型，实证检验网络健康信息搜索对健康风险认知偏差的影响。相关研究表示，性别，年齡以及受教育程度对健康风险的认知方面存在差异［3］。如在肥胖问题上，相较于男性，女性对肥胖的认知存在更大的主观性［46］；在疫苗接种问题上，受教育水平会对认知产生影响［47］。此外，由于个体的社会经济地位和生活、工作条件可能会影响人们对健康风险的认知，本研究控制了收入、户口及工作状况三个变量。综上所述，为消除网络健康信息搜索用户的人口特征（包括性别、年龄、受教育程度、收入、户口及工作状况）对用户健康风险认知偏差的影响，构建如下模型：

Biasi=α+β1ISFi+β2Χi+ui                            （1）

式（1）中Biasi为第i个个体的健康风险认知偏差，ISFi为第i个个体的网络健康信息搜索频繁程度，Χi表示控制变量，ui为误差项，α、β1、β2表示待估计参数。

在基准回归式（1）的基础上，进行相关变量的调节效应分析。模型如下：

Biasi=α+β1ISFi+β2TSIi+β3ISFi×TSIi+β4Χi+ui    （2）

Biasi=α+β1ISFi+β2ISOi+β3ISFi×ISOi+β4Χi+ui   （3）

式（2）中，TSIi指网络健康信息主题搜索强度，ISFi×TSIi指网络健康信息搜索频繁程度和网络健康信息主题搜索强度的交互项；式（3）中，ISOi指网络健康信息搜索效果，ISFi×ISOi指网络健康信息搜索频繁程度和网络健康信息搜索效果的交互项。

3   数据来源与变量测量

3.1    数据来源

本研究数据来源于中国综合社会调查（Chinese General Social Survey，CGSS），该项目始于2003年，是我国最早的全国性、综合性、连续性学术调查项目，系统、全面地收集社会、社區、家庭、个人多个层次的数据，已成为研究中国社会最主要的数据来源。其中，CGSS2021是第14次年度调查，数据里共包含700个变量，历时近5个月，受疫情影响，在全国范围内共完成有效样本8148份。其中，调查的核心模块和主题模块内容询问所有的调查对象，附加的东亚社会调查（EASS）的健康模块，国际社会调查项目（ISSP）的健康模块、国际社会调查项目（ISSP）的环境模块各随机抽取三分之一的调查对象回答［48］。根据研究问题选择ISSP模块中部分问卷作为测量变量的内容。调查题项、调查范围均符合本研究的需求，可以有效测量本研究中的健康风险认知偏差、网络健康信息搜索频繁程度、网络健康信息主题搜索强度以及网络健康信息搜索效果等变量，总问卷量共计2690份。

3.2    变量及测量

本研究的因变量为健康风险认知偏差（Bias），根据王伊琳等的做法，对健康风险认知偏差进行操作化，取值为健康主观认知与健康客观状况比值的对数［6］，为了避免用户对健康的高估和低估对结果造成影响，对健康风险认知偏差这一变量取绝对值。其中，健康主观认知的构建，选用问卷中的健康自我评分，健康客观状况变量采用相关的问项内容进行测量（变量及操作化说明见表1）。自变量为网络健康信息搜索频繁程度（ISF）、网络健康信息主题搜索强度（TSI）与网络健康信息搜索效果（ISO）。此外，本研究引入受访者年龄（Age）、性别（Gen）、受教育程度（Edu）、收入（Inc）、户口（Res）、工作状况（Work）为控制变量。

3.3    变量的描述统计

对数据样本的缺失值和异常值进行删除处理后，剩余有效样本数量为1769。其中，健康风险认知偏差的最小值为0，最大值为1.609。该数值越大，表明健康风险认知偏差程度越高。其余各变量的数值均在合理范围（具体情况见表2）：

4   实证结果与分析

4.1    变量相关系数

在实证检验之前，有必要对各变量进行共线性检验，排除多重共线性对本研究模型估计的干扰。因此，首先计算各变量间相关系数（见表3），计算后可知：各变量间相关系数均在较低水平，证明变量间不存在多重共线性，可继续进行相关的回归分析。

4.2    基准回归

对基准回归建立两个回归模型（见表4），其中模型1在未控制其他可能影响健康风险认知偏差的变量的条件下，只考虑了网络健康信息搜索频繁程度与健康风险认知偏差单变量的关系；模型2为加入所有控制变量的回归结果。在两个模型中，网络健康信息搜索频繁程度的回归系数均负向显著（β=-0.079，P＜0.01；β=-0.056，P＜0.01），这表明用户网络健康信息搜索得越频繁，健康风险认知偏差程度越低，证明H1成立。实证结果表明用户健康信息搜索越频繁，越可以降低用户的健康风险认知偏差。随着用户网络健康信息搜索量的上升，其自身的健康知识会得到累积，从而产生相对客观的健康认知，以降低健康风险认知偏差。尽管在现实生活中，一些个体会存在由于搜索到的是虚假健康信息且没有能力鉴别的情况，从而导致其产生认知偏差的现象。但是，立足于长期视角而言，随着用户搜索频次的提升和健康知识（包括正确的健康知识和如何识别虚假信息的相关知识）的积累，用户的健康认知能力依旧会不断提升，其健康风险认知偏差也会相应降低。在控制变量方面，年龄（β=-0.019，P＜0.1）、性别（β=0.074，P＜0.05）、受教育程度（β=-0.041，P＜0.05）、收入（β=-0.007，P＜0.1）、工作状况（β=-0.034，P＜0.1）均对健康风险认知偏差有显著影响（具体结果见表4）。其中模型1为不加入控制变量的基准回归结果，模型2为加入控制变量的基准回归结果。由此可知，加入控制变量可以有效降低人口统计学特征对基准回归的影响。

4.3    稳健性检验

为保证基准回归中网络健康信息搜索频繁程度与健康风险认知偏差之间因果关系的稳健性，本文分别采用工具变量两阶段估计法、控制变量缩尾再检验和调整研究样本等方式进行检验。

4.3.1   工具变量两阶段估计

网络健康信息搜索频繁程度，一方面是个人行为选择的结果，另一方面也受到地区互联网普及等客观条件的影响。在互联网普及率较高的地区，人们接触和使用互联网比较容易，个体进行网络健康信息搜索更频繁。相反，在互联网普及率较低的地区，人们接触和使用互联网相对困难，导致个体进行网络健康信息搜索的可能性降低，满足工具变量相关性的要求。另外，采用早期的历史数据，很难对当期个体健康风险认知偏差产生影响，满足了工具变量外生性假设。从检验结果来看，Cragg Donald Wald F 统计量的值为 52.630，在大于5%显著水平上的临界值19.210，不存在弱工具变量问题。工具变量个数与内生变量个数相等，无需进行过度识别检验。综上，本研究选取2005年各省份互联网普及率的历史数据进行两阶段最小二乘法估计，用以检验内生性问题。

从工具变量的估计结果（见表5）可以看出，第一阶段互联网普及率的系数为0.011且在1%的水平上显著为正；第二阶段，网络健康信息搜索频繁程度对健康风险认知偏差的影响在1%的水平上显著为负。与该结果相比，OLS估计由于内生性问题的存在明显低估了网络健康信息搜索频繁程度对健康风险认知偏差的影响，这表明内生性问题并不影响本次的研究结果，再次验证本研究结果具有较强的稳健型。

4.3.2   控制变量缩尾再检验

由于控制变量中的个体收入存在极端值，尽管本研究已经对个体收入取对数处理，但是为了进一步验证上文基准回归的稳健性，接下来对个体收入的对数进行了1%分位上的双边缩尾处理（见表5）。从模型3的回歸结果可以看出，在对个体收入的对数按1%分位上双边缩尾处理后，网络健康信息搜索频繁程度对健康风险认知偏差的影响在1%的水平上显著负相关，进一步验证了结论的稳健性。

4.3.3   调整研究样本

在本研究的19个样本省份中，北京市和重庆市属于直辖市，其经济、政治和医疗水平等外部环境与其他省份有明显的差异性，极有可能影响个体健康风险的偏差，导致估计偏误的产生。为此，本研究剔除北京和重庆两个城市的样本，然后再次进行OLS回归（见表5）。从模型4可以看出，剔除直辖市后，网络健康信息搜索频繁程度对健康风险认知偏差的影响在1%的水平上显著为负，与未剔除直辖市的基准回归结果相比，剔除之后的回归结果的系数变化不大，其方向和显著性保持不变。由此可知，本研究的结果具有较强的稳健性。

4.4    调节效应

引入网络健康信息主题搜索强度及其与网络健康信息搜索频繁程度的交互项进行调节效应分析（见表6）。由模型1可以看出，交互项回归系数显著（β1×bias（1）=0.055，P＜0.01），说明存在调节效应，即假设2成立。网络健康信息搜索频繁程度和网络健康信息主题搜索强度的回归系数均显著为负（β=-0.145，P＜0.01；β=-0.222，P＜0.01），表明网络健康信息搜索频繁程度和网络健康信息主题搜索强度均有利于降低健康风险认知偏差。而此时交互项系数显著为正，说明网络健康信息搜索频繁程度与网络健康信息主题搜索强度在抑制健康风险认知偏差关系中，二者之间存在替代关系，即当对健康主题频繁程度较低时，增强网络健康信息主题搜索强度可以降低健康风险认知偏差。

进一步将不同类型的网络健康信息主题分为：a生活类、b心理类，分别检验调节效应（见表6）。模型1a和模型1b，搜索生活类和心理类健康信息，均能显著降低用户网络健康风险认知偏差（βbias（1a）=-0.103，P＜0.01；βbias（1b）=-0.134，P＜0.01）；从交互项的系数来看，生活类健康信息主题小于心理类（β1a×bias（1a）=0.027＜β1b×bias（1b）=0.057）；从两类主题的回归系数来看，生活类健康信息主题搜索强度负向作用也小于心理类（β1a=-0.074＞β1b=-0.254）。相较于生活类健康信息，人们赋予了心理类健康信息更高的情感价值，健康风险认知偏差更容易在情绪的作用下受到影响。

本研究进一步引入网络健康信息搜索效果及其与网络健康信息搜索频繁程度的交互项进行分析（见表6）后得出模型2。交互项回归系数显著（β2×bias（1）=0.022，P＜0.05），表明此时存在网络健康信息搜索效果的调节效应显著，假设3成立。网络健康信息搜索频繁程度和网络健康信息搜索效果的回归系数均显著为负（β=-0.123，P＜0.01；β=-0.037，P＜0.01）。表明网络健康信息搜索频繁程度和网络健康信息搜索效果均有利于降低健康风险认知偏差。此时，交互项回归系数显著为正，说明网络健康信息搜索频繁程度与网络健康信息搜索效果在抑制健康风险认知偏差关系中，二者之间存在替代关系，即当对健康主题频繁程度较低时，网络健康信息搜索效果越好，健康风险认知偏差越低。

5   结语

本研究基于认知偏差和SAL理论视角，有效揭示了健康信息搜索对健康风险认知偏差的影响。基于本研究的结论，提出以下政策建议：

（1）推广和普及网络健康搜索，促进全民网络健康信息搜索。在健康中国的背景下，全面提升用户网络健康信息搜索，可以有效降低健康风险认知偏差。尽管网络已经成为获取健康信息的重要渠道，但是用户更倾向于自己信任的信息来源，如家人朋友或医学专业人士提供的建议和知识［49］。因此，用户互联网健康信息搜索还需要采取措施予以促进，进一步推广网络健康信息搜索平台和搜索系统，多渠道促进用户搜索。如建立权威的健康信息平台或搜索引擎，并向公众进行全面推广和普及；加大网络健康信息的监管力度，避免互联网健康信息的过度商业化，致使网络健康信息丧失权威性、科学性和知识性［50］，保障健康信息来源的可靠性［51］，进而增加用户网络搜索健康信息的信任感；加强网络信息资源与医疗服务的有效对接，帮助用户更好地了解和利用网络健康信息资源和相关的医疗服务，增加用户使用网络健康信息搜索的便利性。

（2）优化健康信息搜索平台，精细化网络健康主题板块。根据研究结果，网络健康信息主题搜索强度会对用户健康风险认知偏差产生影响。针对该影响，本研究认为网络健康信息平台应该精细化健康信息主题，使用户可以精准搜索健康问题。由于用户对不同的类型的健康信息的敏感性不同，所以网络上关于健康信息的分类应更详细。如健康信息搜索平台应对医疗类、心理类、生活类等健康信息设置相应的板块。特别是在医疗类、心理类等情感价值更高的主题模块中，应提供更详细的介绍或加入提示类信息等，避免用户产生更高的健康风险认知偏差。

（3）提供健康信息素养培训，提升健康信息搜索的学习效果。在网络健康信息搜索中，提升健康信息搜索效果可以降低用戶健康风险认知偏差。因此相关机构可以提供健康信息搜索和利用的技能培训，以提升用户的健康信息素养，进而提升健康信息搜索效果。在培训过程中需要提升用户的判断力以识别虚假的健康信息。此外，健康风险认知偏差受到年龄和受教育程度的影响较大，因此应更为关注低年龄群体以及受教育程度低的群体，以降低整体网络健康信息搜索用户的健康风险认知偏差。

本研究也存在一定的局限。第一，由于二手数据的限制，无法深入分析用户健康信息搜索与健康风险认知偏差影响关系的形成机理。在未来的研究中，可以进一步通过访谈法或实验法等收集一手数据，进行深入分析；第二，囿于CGSS2021问卷题项的设置，在网络健康信息主题方面，缺少其他具有更高情感价值的健康主题，如癌症、基因疾病等的题项。此外，用户健康风险认知偏差可能会受到网络健康信息搜索方式、网络搜索经验等其他变量的影响，未来的研究将关注更多影响健康风险认知偏差的变量。

参考文献：

［1］  健康中国行动推进委员会.健康中国行动（2019年-2030年）［EB/OL］.［2023-09-01］.http：//www.gov.cn/xinwen/2019-07/15/content_5409694.htm.

［2］  Louie G H，Ward M M.Association of measured physical performance and demographic and health characteristics with self-reported physical function： implications for the interpretation of self-reported limitations［J］.Health and Quality of life Outcomes，2010，8（1）：1-13.

［3］  Spitzer S，Weber D.Reporting biases in self-assessed physical and cognitive health status of older Europeans［J］.PLoS One，2019，14（10）：e0223526.

［4］  Slovic P.Perception of risk［J］.Science，1987，236（4799）：280-285.

［5］  陈淑贤，宋嘉庚，吴海荣.民众信息获取与健康感知的认知偏差研究［J］.中国健康教育，2018，34（9）：827-831.

［6］  王伊琳，陈先洁，孙蓉.健康风险认知偏差对商业健康保险购买决策的影响：基于行为经济学视角［J］.中国软科学，2021，369（9）：66-74.

［7］  贾男，雷莲莲.认知偏差、健康投资与农村老年人健康水平：以高血压为例［J］.经济学报，2016，3（3）：99-123.

［8］  Sakurai R，Fujiwara Y，Ishihara M，et al.Age-related self-overestimation of step-over ability in healthy older adults and its relationship to fall risk［J］.BMC geriatrics，2013，13（1）：1-9.

［9］  李新月，韩文婷，朱庆华.信息特征对网络健康焦虑的影响研究［J］.图书与情报，2022（4）：75-86.

［10］  罗爱静，陈阳，谢文照，等.健康焦虑人群的网络健康信息搜索行为影响因素研究［J］.情报资料工作，2022，43（2）：66-75.

［11］  宋小康，赵宇翔，朱庆华.在线健康信息替代搜寻对被替代者健康行为和健康水平的影响研究［J］.情报学报，2022，41（6）：625-636.

［12］  Miller L M S，Bell R A.Online health information seeking：the influence of age，information trustworthiness，and search challenges［J］.Journal of aging and health，2012，24（3）：525-541.

［13］  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.

［14］  Chen T.Decision dynamics and human-computer interaction in online health information seeking：A behavioral information research exploration［D］.The Florida State University，2022.

［15］  邓胜利，顾一飞.网络虚假健康信息研究综述：认知、行为与治理［J］.图书馆杂志，2022，41（5）：14-22.

［16］  Liu Y，Lei X.Effect of patient online information searching on the trust in the doctor：A cognitive dissonance theory perspective［A］.2019 Chinese control and decision conference［C］.IEEE，2019：4254-4259.

［17］  White R W，Horvitz E.Belief dynamics and biases in web search［J］.Transactions on Information Systems，2015，33（4）：1-46.

［18］  Fowler S L，Geers A L.Dispositional and comparative optimism interact to predict avoidance of a looming health threat［J］.Psychology & health，2015，30（4）：456-474.

［19］  Wedderhoff O，Chasiotis A，Rosman T.When freedom of choice leads to bias：How threat fosters selective exposure to health information［J］.Frontiers in Psychology.2022，13：937699.

［20］  Pothirattanachaikul S，Yamamoto T，Yamamoto Y，et al.Analyzing the effects of document's opinion and credibility on search behaviors and belief dynamics［A］.Proceedings of the 28th ACM International Conference on Information and Knowledge Management［C］.2019：1653-1662.

［21］  Azzopardi L.Cognitive biases in search：a review and reflection of cognitive biases in information retrieval［A］.Proceedings of the 2021 Conference on Human Information Interaction and Retrieval［C］.ACM，2021：27-37.

［22］  鄧胜利，赵海平.基于认知失调理论的偏差信息搜寻行为与认知的作用机理研究［J］.情报科学，2019，37（1）：9-15.

［23］  Chen T.A systematic integrative review of cognitive biases in consumer health information seeking：emerging perspective of behavioral information research［J］.Journal of Documentation，2020，77（3）：798-823.

［24］  Simon H A.A behavioral model of rational choice［J］.Quarterly Journal of Economics，1955，69（1）：99-118.

［25］  Gigerenzer G.Why heuristics work［J］.Perspectives on Psychological Science，2008，3（1）：20-29.

［26］  Tversky A，Kahneman D.Judgment under uncertainty：heuristics and biases：biases in judgments reveal some heuristics of thinking under uncertainty［J］.Science，1974，185（4157）：1124-1131.

［27］  韩正彪，顾雅楠，翟冉冉.国外用户网络信息搜索中的知识变化研究回顾［J］.情报理论与实践，2022，45（2）：204-212，197.

［28］  Rieh S Y，Hansen P.Towards searching as a learning process：A review of current perspectives and future directions［J］.Journal of Information Science，2016，42（1）：19-34.

［29］  Kraiger K，Ford J K，Salas E.Application of cognitive，skill-based，and affective theories of learning outcomes to new methods of training evaluation［J］.Journal of Applied Psychology，1993，78（2）：311-328.

［30］  Ingwersen P，J■rvelin K.The Turn：Integration of information seeking and retrieval in context［M］.New York：Springer，2005：1-3.

［31］  Liu J，Belkin N J.Personalizing information retrieval for multi-session tasks：The roles of task stage and task type［A］.Proceeding of the International ACM SIGIR Conference on Research & Development in Information Retrieval［C］.2010：26-33.

［32］  Chen Y，Zhao Y，Wang Z.Understanding online health information consumers' search as a learning process：search platform sequences，query reformulation and conceptual changes［J］.Library Hi Tech，2020，38（4）：859-881.

［33］  韓正彪，郭靖怡，潘培培，等.基于认知分类的大学生网络健康信息搜索的学习效果研究［J］.图书情报知识，2020，（4）：19-31.

［34］  Lambert S D，Loiselle C G.Health information：seeking behavior［J］.Qualitative health research，2007，17（8）：1006-1019.

［35］  Xiao N，Sharman R，Rao H R，et al.Factors influencing online health information search：An empirical analysis of a national cancer-related survey［J］.Decision Support Systems，2014，57：417-427.

［36］  陈静，张璐，陆泉.突发公共卫生事件中大学生健康信息需求动因与主题研究［J］.图书情报工作，2021，65（6）：82-92.

［37］  Anand N，Sharma M K，Thakur P C，et al.Doomsurfing and doomscrolling mediate psychological distress in COVID19 lockdown：Implications for awareness of cognitive biases［J］.Perspectives in Psychiatric Care，2022，58（1）：170-172.

［38］  Meppelink C S，Smit E G，Fransen M L，et al.“I was right about vaccination”：Confirmation bias and health literacy in online health information seeking［J］.Journal of health communication，2019，24（2）：129-140.

［39］  Talati Z，Pettigrew S，Neal B，et al.Consumers responses to health claims in the context of other on-pack nutrition information：A systematic review［J］.Nutrition reviews，2017，75（4）：260-273.

［40］  Scherer L D，Valentine K D，Patel N，et al.A bias for action in cancer screening？［J］.Journal of Experimental Psychology：Applied，2019，25（2）：149.

［41］  Steginga S K，Occhipinti S，Gardiner R A，et al.Making decisions about treatment for localized prostate cancer［J］.BJU international，2002，89（3）：255-260.

［42］  ODaniel J M，Haga S B，Willard H F.Considerations for the impact of personal genome information：a study of genomic profiling among genetics and genomics professionals［J］.Journal of genetic counseling，2010，19：387-401.

［43］  Lau A Y S，Coiera E W.Do people experience cognitive biases while searching for information？［J］.Journal of the American Medical Informatics Association，2007，14（5）：599-608.

［44］  Montford W J，Peloza J，Goldsmith R E.No pain，no gain：how PACE information attenuates consumption［J］.Journal of Consumer Marketing，2017，34（7）：525-540.

［45］  阳长征.网络突发事件中信息流动与情感粒度对用户认知偏向影响研究［J］.情报理论与实践，2020，43（12）：133-143，132.

［46］  张龙，刘萌，羿翠霞.构建积极身体形象：肥胖认知与大学生身体活动的关系［J］.中国青年研究，2022（10）：29-36.

［47］  Kamis A，Zhang Y，Kamis T.A multiyear model of influenza vaccination in the United States［J］.International journal of environmental research and public health，2017，14（8）：849.

［48］  中國人民大学中国调查与数据中心.中国综合社会调查（CGSS）2021年度调查数据公开发布［EB/OL］.［2023-09-02］. http：//nsrc.ruc.edu.cn/xwygg/xwdt/146d63ccc86f4f979e4bb749fb84762c.htm.

［49］  Ramírez A S，Freres D，Martinez L S，et al.Information seeking from media and family/friends increases the likelihood of engaging in healthy lifestyle behaviors［J］.Journal of health communication，2013，18（5）：527-542.

［50］  韩景倜，樊卫国，罗晓兰，等.用户健康信息搜寻行为对健康行为影响的研究进展［J］.情报资料工作，2018，221（2）：48-55.

［51］  罗晓兰，韩景倜，樊卫国，等.互联网时代的健康信息与健康焦虑［J］.情报资料工作，2019，40（2）：76-86.

作者简介：韩正彪，男，南京农业大学信息管理学院教授；戚景琳，女，南京农业大学信息管理学院博士研究生；王云辉，男，四川大学公共管理学院博士研究生。