用戶網絡健康信息搜索對健康風險認知偏差的影響

韓正彪 戚景琳 王云輝

摘? ?要：文章旨在揭示用戶網絡健康信息搜索與健康風險認知偏差之間的關系，以豐富信息行為領域認知偏差的研究成果，并為全面提升人民的健康認知水平提供建議?；诂F有研究基礎提出相關假設，利用 CGSS2021 數據，運用OLS模型、工具變量法和調節效應模型檢驗了用戶網絡健康信息搜索與健康風險認知偏差之間的關系。結果表明，網絡健康信息搜索頻繁程度顯著負向影響健康風險認知偏差，網絡健康信息主題搜索強度和網絡健康信息搜索效果的調節作用顯著。研究結果可為深入探究網絡健康信息搜索中健康風險認知偏差的影響機制提供參考，對于發揮網絡健康信息搜索的優勢、降低用戶健康風險認知偏差具有重要的實踐意義。

關鍵詞：網絡健康信息搜索；健康風險認知偏差；主題搜索強度；搜索效果

中圖分類號：G354? ?文獻標識碼：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

為了落實健康中國戰略，我國出臺《健康中國行動（2019-2030年）》，呼吁人們需要“正確認識健康”［1］。但在現實生活中，人們往往無法正確認識他們的健康狀況，其自我評估的健康狀況和實際情況常常存在偏差［2］，從而進一步引發潛在的健康風險［3］。由于個體的感受具有一定的主觀性，他們在健康的風險認知方面會產生一定的偏差［4-5］。健康風險認知偏差是指個體的健康風險主觀認知與健康風險客觀狀況之間的差異，即個體對自我健康水平的認知存在錯誤或不準確的傾向［6-7］。在健康風險主觀認知較高時，會高估自身的健康水平，反之會低估。人們對其健康狀況的高估，容易產生健康狀況的盲目樂觀，忽略潛在的健康風險，如老年人會增加摔倒的風險［8］；而對健康狀況的低估，容易產生健康狀況的盲目悲觀，產生健康焦慮［6，9］，嚴重的健康焦慮會導致心理疾?。?0］。因此，健康風險認知偏差的存在會對人們的健康產生負面影響。

在“健康中國”和“互聯網+醫療健康”的背景下，互聯網有助于人們搜索相關疾病癥狀、治療方案以及藥物信息等健康信息，以幫助他們更好地認識自身健康狀況、做出健康決策和提升健康水平［11-13］。通過網絡搜索健康信息可以幫助人們了解健康方面的知識、自己的身體狀況和潛在的健康風險，進而降低健康風險認知偏差［14］。但是，網絡上存在大量不可靠的信息源，也可能會誤導人們對自我的健康認識，增加他們的健康風險認知偏差［15］。同時，相關研究表明，用戶健康信息搜索認知偏差會受到健康信息搜索主題和搜索效果的影響［16-17］?，F階段，信息行為研究人員正在逐步關注與健康相關的認知偏差，并且對健康信息搜索中存在的多類認知偏差進行了研究［18-20］。但是，現有研究僅僅探索了用戶健康信息搜索行為過程中認知偏差的心理機制［21-22］，還未有研究驗證信息搜索對認知偏差的影響，也未在健康風險這一情境下做出探索。

綜上所述，本研究在檢驗用戶健康信息搜索與認知偏差之間的關系時，關注了用戶的健康風險這一研究情境，拓展了信息行為研究的情境。對該關系的檢驗結果，可以為深入探究網絡健康信息搜索中健康風險認知偏差的影響機制提供參考，從而豐富網絡健康信息搜索研究的視角。同時，本研究成果可以應用于國內網絡健康信息搜索實踐，從實踐的角度給出相應的政策建議，以更大限度地發揮網絡健康信息搜索的優勢，降低用戶健康風險認知偏差。依據CGSS2021社會調查數據，分析用戶網絡健康信息搜索如何影響其健康風險認知偏差，可厘清二者之間的關系。研究圍繞以下問題展開：（1）用戶網絡健康信息搜索頻繁程度是否會影響其健康風險認知偏差？（2）網絡健康信息主題搜索強度是否會調節用戶網絡健康信息搜索頻繁程度對其健康風險認知偏差的影響？（3）網絡健康信息搜索效果是否會調節用戶網絡健康信息搜索頻繁程度對其健康風險認知偏差的影響？

1? ?理論基礎

1.1? ? 認知偏差理論

認知偏差源于認知心理學，后被納入行為經濟學范疇。目前該理論被視為一種獨特的理論視角被信息行為研究廣泛關注［23］。行為經濟學研究者最初從有限理性的角度探討了直覺推斷認知思維［24］，該思維可以快速毫不費力地做出決定，即用有限的認知資源做出決策的簡單規則［25］。人的大腦中存在兩類思維系統，系統1是基于直覺的、可以快速做出反應的直覺推斷思維系統，系統2則需要更多的認知努力，決策的過程往往較為緩慢。認知偏差是由于人們大腦中的兩個思維系統之間的信息處理沖突導致，影響著人們感知和處理信息的方式。通常是指個體在認識和判斷事物時所產生的、與事實的偏離或偏離的趨勢［26］。由于認知偏差是客觀存在的，同樣也存在于個體認識和判斷自身身體健康風險狀況的情境下。因此，認知偏差理論為本研究提供了良好的理論基礎。

1.2? ? 搜索即學習

隨著情報學認知范式和人機交互領域“以用戶為中心”設計理念的發展，搜索即學習（Searching As Learning，SAL）理論受到廣泛關注，將信息搜索視為學習的過程，可以更好地理解信息搜索的過程［27］。SAL的相關研究可以分為兩個視角：一是將信息搜索視為學習的工具，二是將信息搜索視為學習的過程［28］。在信息搜索被視為一種學習過程的視角下，學習作為一個復雜的構念［29］，搜索者在搜索過程中其認知結構會發生顯著的變化，具體包括領域知識的變化和系統知識的變化［30］。隨著搜索過程的進行，用戶的知識水平會逐漸提高［31］。網絡健康信息搜索的過程也可以視為一種學習過程［32］。該過程是一種以獲取預防或治療自身面臨的健康問題的相關信息為目的的搜索行為，會伴隨著健康知識的吸收和利用行為，且會產生不同的學習效果［33］。因此，本研究基于SAL視角，將用戶網絡健康信息搜索的過程視為學習的過程。

2? ?研究假設與模型構建

2.1? ? 研究假設

3.1.1? ?網絡健康搜索的頻繁程度對健康風險認知偏差的影響

現有研究指出，用戶網絡健康信息搜索會對認知偏差產生一定的影響。如在涉及風險和不確定性問題時，增加信息搜索會促進健康活動和調整認知問題［34］。用戶通過網絡健康信息搜索可以獲取到與病情相關的信息，用于風險的評估和疾病預防［35］。在SAL視角下，用戶網絡健康信息搜索的過程可以視為不斷學習健康知識的過程。具體而言，用戶在此過程中會鑒別真偽健康信息，并吸收和利用正確的健康信息，從而實現健康知識的增加和健康認知能力的提升。顯然，用戶對自我健康認知水平的提高，有利于降低健康風險認知偏差。因此，本研究提出如下假設：

H1：用戶網絡健康信息搜索頻繁程度會顯著負向影響健康風險認知偏差，即用戶網絡健康信息搜索越多，則其健康風險認知偏差程度越低。

2.1.2? ?網絡健康信息主題搜索強度的調節效應

網絡健康信息的主題具有多元性，具體包括保健和治療等核心主題［36］。用戶在搜索關于新冠疫情［37］、疫苗接種［38］、食品營養信息［39］等方面均會受到認知偏差的影響。相關研究認為，用戶在對特定網絡健康信息主題進行搜索時，搜索的強度越大，其認知偏差程度越低［23］。同時，不同類型的健康信息主題對健康風險認知偏差的影響也不同。如當人們搜索的健康信息主題具有較高的情感價值時（如癌癥［40-41］、基因健康［42］等主題），產生健康風險認知偏差的可能性更高；而具有較低的情感價值時（如一般性健康問題［43］、營養［44］等健康主題），他們可能更容易從客觀的角度評估和應用所搜索到的信息?；诖?，本研究提出如下假設：

H2：網絡健康信息主題搜索強度會調節用戶網絡健康信息搜索頻繁程度對健康風險認知偏差的影響。

2.1.3? ?網絡健康信息搜索效果的調節效應

用戶信息行為中的認知績效會影響認知偏差［45］。如果用戶在健康信息搜索過程中有較好的學習效果，他們便可以更為客觀地評估和應用搜索到的健康信息，從而避免受到主觀臆斷和選擇性注意偏差的影響，即減少認知偏差的影響。用戶的學習效果越好，意味著用戶可能會更全面地了解健康信息問題。特別是在處理健康信息時，具有較好的學習效果，可以幫助人們更客觀地評估和應用所搜索到的信息，即可以更客觀地評估自我的健康狀況，進而降低健康風險認知偏差。基于此，本研究提出如下假設：

H3：網絡健康信息搜索效果會調節用戶網絡健康信息搜索頻繁程度對健康風險認知偏差的影響。

2.2? ? 模型構建

通過構建OLS回歸模型，實證檢驗網絡健康信息搜索對健康風險認知偏差的影響。相關研究表示，性別，年齡以及受教育程度對健康風險的認知方面存在差異［3］。如在肥胖問題上，相較于男性，女性對肥胖的認知存在更大的主觀性［46］；在疫苗接種問題上，受教育水平會對認知產生影響［47］。此外，由于個體的社會經濟地位和生活、工作條件可能會影響人們對健康風險的認知，本研究控制了收入、戶口及工作狀況三個變量。綜上所述，為消除網絡健康信息搜索用戶的人口特征（包括性別、年齡、受教育程度、收入、戶口及工作狀況）對用戶健康風險認知偏差的影響，構建如下模型：

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

式（1）中Biasi為第i個個體的健康風險認知偏差，ISFi為第i個個體的網絡健康信息搜索頻繁程度，Χi表示控制變量，ui為誤差項，α、β1、β2表示待估計參數。

在基準回歸式（1）的基礎上，進行相關變量的調節效應分析。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指網絡健康信息主題搜索強度，ISFi×TSIi指網絡健康信息搜索頻繁程度和網絡健康信息主題搜索強度的交互項；式（3）中，ISOi指網絡健康信息搜索效果，ISFi×ISOi指網絡健康信息搜索頻繁程度和網絡健康信息搜索效果的交互項。

3? ?數據來源與變量測量

3.1? ? 數據來源

本研究數據來源于中國綜合社會調查（Chinese General Social Survey，CGSS），該項目始于2003年，是我國最早的全國性、綜合性、連續性學術調查項目，系統、全面地收集社會、社區、家庭、個人多個層次的數據，已成為研究中國社會最主要的數據來源。其中，CGSS2021是第14次年度調查，數據里共包含700個變量，歷時近5個月，受疫情影響，在全國范圍內共完成有效樣本8148份。其中，調查的核心模塊和主題模塊內容詢問所有的調查對象，附加的東亞社會調查（EASS）的健康模塊，國際社會調查項目（ISSP）的健康模塊、國際社會調查項目（ISSP）的環境模塊各隨機抽取三分之一的調查對象回答［48］。根據研究問題選擇ISSP模塊中部分問卷作為測量變量的內容。調查題項、調查范圍均符合本研究的需求，可以有效測量本研究中的健康風險認知偏差、網絡健康信息搜索頻繁程度、網絡健康信息主題搜索強度以及網絡健康信息搜索效果等變量，總問卷量共計2690份。

3.2? ? 變量及測量

本研究的因變量為健康風險認知偏差（Bias），根據王伊琳等的做法，對健康風險認知偏差進行操作化，取值為健康主觀認知與健康客觀狀況比值的對數［6］，為了避免用戶對健康的高估和低估對結果造成影響，對健康風險認知偏差這一變量取絕對值。其中，健康主觀認知的構建，選用問卷中的健康自我評分，健康客觀狀況變量采用相關的問項內容進行測量（變量及操作化說明見表1）。自變量為網絡健康信息搜索頻繁程度（ISF）、網絡健康信息主題搜索強度（TSI）與網絡健康信息搜索效果（ISO）。此外，本研究引入受訪者年齡（Age）、性別（Gen）、受教育程度（Edu）、收入（Inc）、戶口（Res）、工作狀況（Work）為控制變量。

3.3? ? 變量的描述統計

對數據樣本的缺失值和異常值進行刪除處理后，剩余有效樣本數量為1769。其中，健康風險認知偏差的最小值為0，最大值為1.609。該數值越大，表明健康風險認知偏差程度越高。其余各變量的數值均在合理范圍（具體情況見表2）：

4? ?實證結果與分析

4.1? ? 變量相關系數

在實證檢驗之前，有必要對各變量進行共線性檢驗，排除多重共線性對本研究模型估計的干擾。因此，首先計算各變量間相關系數（見表3），計算后可知：各變量間相關系數均在較低水平，證明變量間不存在多重共線性，可繼續進行相關的回歸分析。

4.2? ? 基準回歸

對基準回歸建立兩個回歸模型（見表4），其中模型1在未控制其他可能影響健康風險認知偏差的變量的條件下，只考慮了網絡健康信息搜索頻繁程度與健康風險認知偏差單變量的關系；模型2為加入所有控制變量的回歸結果。在兩個模型中，網絡健康信息搜索頻繁程度的回歸系數均負向顯著（β=-0.079，P＜0.01；β=-0.056，P＜0.01），這表明用戶網絡健康信息搜索得越頻繁，健康風險認知偏差程度越低，證明H1成立。實證結果表明用戶健康信息搜索越頻繁，越可以降低用戶的健康風險認知偏差。隨著用戶網絡健康信息搜索量的上升，其自身的健康知識會得到累積，從而產生相對客觀的健康認知，以降低健康風險認知偏差。盡管在現實生活中，一些個體會存在由于搜索到的是虛假健康信息且沒有能力鑒別的情況，從而導致其產生認知偏差的現象。但是，立足于長期視角而言，隨著用戶搜索頻次的提升和健康知識（包括正確的健康知識和如何識別虛假信息的相關知識）的積累，用戶的健康認知能力依舊會不斷提升，其健康風險認知偏差也會相應降低。在控制變量方面，年齡（β=-0.019，P＜0.1）、性別（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）、工作狀況（β=-0.034，P＜0.1）均對健康風險認知偏差有顯著影響（具體結果見表4）。其中模型1為不加入控制變量的基準回歸結果，模型2為加入控制變量的基準回歸結果。由此可知，加入控制變量可以有效降低人口統計學特征對基準回歸的影響。

4.3? ? 穩健性檢驗

為保證基準回歸中網絡健康信息搜索頻繁程度與健康風險認知偏差之間因果關系的穩健性，本文分別采用工具變量兩階段估計法、控制變量縮尾再檢驗和調整研究樣本等方式進行檢驗。

4.3.1? ?工具變量兩階段估計

網絡健康信息搜索頻繁程度，一方面是個人行為選擇的結果，另一方面也受到地區互聯網普及等客觀條件的影響。在互聯網普及率較高的地區，人們接觸和使用互聯網比較容易，個體進行網絡健康信息搜索更頻繁。相反，在互聯網普及率較低的地區，人們接觸和使用互聯網相對困難，導致個體進行網絡健康信息搜索的可能性降低，滿足工具變量相關性的要求。另外，采用早期的歷史數據，很難對當期個體健康風險認知偏差產生影響，滿足了工具變量外生性假設。從檢驗結果來看，Cragg Donald Wald F 統計量的值為 52.630，在大于5%顯著水平上的臨界值19.210，不存在弱工具變量問題。工具變量個數與內生變量個數相等，無需進行過度識別檢驗。綜上，本研究選取2005年各省份互聯網普及率的歷史數據進行兩階段最小二乘法估計，用以檢驗內生性問題。

從工具變量的估計結果（見表5）可以看出，第一階段互聯網普及率的系數為0.011且在1%的水平上顯著為正；第二階段，網絡健康信息搜索頻繁程度對健康風險認知偏差的影響在1%的水平上顯著為負。與該結果相比，OLS估計由于內生性問題的存在明顯低估了網絡健康信息搜索頻繁程度對健康風險認知偏差的影響，這表明內生性問題并不影響本次的研究結果，再次驗證本研究結果具有較強的穩健型。

4.3.2? ?控制變量縮尾再檢驗

由于控制變量中的個體收入存在極端值，盡管本研究已經對個體收入取對數處理，但是為了進一步驗證上文基準回歸的穩健性，接下來對個體收入的對數進行了1%分位上的雙邊縮尾處理（見表5）。從模型3的回歸結果可以看出，在對個體收入的對數按1%分位上雙邊縮尾處理后，網絡健康信息搜索頻繁程度對健康風險認知偏差的影響在1%的水平上顯著負相關，進一步驗證了結論的穩健性。

4.3.3? ?調整研究樣本

在本研究的19個樣本省份中，北京市和重慶市屬于直轄市，其經濟、政治和醫療水平等外部環境與其他省份有明顯的差異性，極有可能影響個體健康風險的偏差，導致估計偏誤的產生。為此，本研究剔除北京和重慶兩個城市的樣本，然后再次進行OLS回歸（見表5）。從模型4可以看出，剔除直轄市后，網絡健康信息搜索頻繁程度對健康風險認知偏差的影響在1%的水平上顯著為負，與未剔除直轄市的基準回歸結果相比，剔除之后的回歸結果的系數變化不大，其方向和顯著性保持不變。由此可知，本研究的結果具有較強的穩健性。

4.4? ? 調節效應

引入網絡健康信息主題搜索強度及其與網絡健康信息搜索頻繁程度的交互項進行調節效應分析（見表6）。由模型1可以看出，交互項回歸系數顯著（β1×bias（1）=0.055，P＜0.01），說明存在調節效應，即假設2成立。網絡健康信息搜索頻繁程度和網絡健康信息主題搜索強度的回歸系數均顯著為負（β=-0.145，P＜0.01；β=-0.222，P＜0.01），表明網絡健康信息搜索頻繁程度和網絡健康信息主題搜索強度均有利于降低健康風險認知偏差。而此時交互項系數顯著為正，說明網絡健康信息搜索頻繁程度與網絡健康信息主題搜索強度在抑制健康風險認知偏差關系中，二者之間存在替代關系，即當對健康主題頻繁程度較低時，增強網絡健康信息主題搜索強度可以降低健康風險認知偏差。

進一步將不同類型的網絡健康信息主題分為：a生活類、b心理類，分別檢驗調節效應（見表6）。模型1a和模型1b，搜索生活類和心理類健康信息，均能顯著降低用戶網絡健康風險認知偏差（βbias（1a）=-0.103，P＜0.01；βbias（1b）=-0.134，P＜0.01）；從交互項的系數來看，生活類健康信息主題小于心理類（β1a×bias（1a）=0.027＜β1b×bias（1b）=0.057）；從兩類主題的回歸系數來看，生活類健康信息主題搜索強度負向作用也小于心理類（β1a=-0.074＞β1b=-0.254）。相較于生活類健康信息，人們賦予了心理類健康信息更高的情感價值，健康風險認知偏差更容易在情緒的作用下受到影響。

本研究進一步引入網絡健康信息搜索效果及其與網絡健康信息搜索頻繁程度的交互項進行分析（見表6）后得出模型2。交互項回歸系數顯著（β2×bias（1）=0.022，P＜0.05），表明此時存在網絡健康信息搜索效果的調節效應顯著，假設3成立。網絡健康信息搜索頻繁程度和網絡健康信息搜索效果的回歸系數均顯著為負（β=-0.123，P＜0.01；β=-0.037，P＜0.01）。表明網絡健康信息搜索頻繁程度和網絡健康信息搜索效果均有利于降低健康風險認知偏差。此時，交互項回歸系數顯著為正，說明網絡健康信息搜索頻繁程度與網絡健康信息搜索效果在抑制健康風險認知偏差關系中，二者之間存在替代關系，即當對健康主題頻繁程度較低時，網絡健康信息搜索效果越好，健康風險認知偏差越低。

5? ?結語

本研究基于認知偏差和SAL理論視角，有效揭示了健康信息搜索對健康風險認知偏差的影響。基于本研究的結論，提出以下政策建議：

（1）推廣和普及網絡健康搜索，促進全民網絡健康信息搜索。在健康中國的背景下，全面提升用戶網絡健康信息搜索，可以有效降低健康風險認知偏差。盡管網絡已經成為獲取健康信息的重要渠道，但是用戶更傾向于自己信任的信息來源，如家人朋友或醫學專業人士提供的建議和知識［49］。因此，用戶互聯網健康信息搜索還需要采取措施予以促進，進一步推廣網絡健康信息搜索平臺和搜索系統，多渠道促進用戶搜索。如建立權威的健康信息平臺或搜索引擎，并向公眾進行全面推廣和普及；加大網絡健康信息的監管力度，避免互聯網健康信息的過度商業化，致使網絡健康信息喪失權威性、科學性和知識性［50］，保障健康信息來源的可靠性［51］，進而增加用戶網絡搜索健康信息的信任感；加強網絡信息資源與醫療服務的有效對接，幫助用戶更好地了解和利用網絡健康信息資源和相關的醫療服務，增加用戶使用網絡健康信息搜索的便利性。

（2）優化健康信息搜索平臺，精細化網絡健康主題板塊。根據研究結果，網絡健康信息主題搜索強度會對用戶健康風險認知偏差產生影響。針對該影響，本研究認為網絡健康信息平臺應該精細化健康信息主題，使用戶可以精準搜索健康問題。由于用戶對不同的類型的健康信息的敏感性不同，所以網絡上關于健康信息的分類應更詳細。如健康信息搜索平臺應對醫療類、心理類、生活類等健康信息設置相應的板塊。特別是在醫療類、心理類等情感價值更高的主題模塊中，應提供更詳細的介紹或加入提示類信息等，避免用戶產生更高的健康風險認知偏差。

（3）提供健康信息素養培訓，提升健康信息搜索的學習效果。在網絡健康信息搜索中，提升健康信息搜索效果可以降低用戶健康風險認知偏差。因此相關機構可以提供健康信息搜索和利用的技能培訓，以提升用戶的健康信息素養，進而提升健康信息搜索效果。在培訓過程中需要提升用戶的判斷力以識別虛假的健康信息。此外，健康風險認知偏差受到年齡和受教育程度的影響較大，因此應更為關注低年齡群體以及受教育程度低的群體，以降低整體網絡健康信息搜索用戶的健康風險認知偏差。

本研究也存在一定的局限。第一，由于二手數據的限制，無法深入分析用戶健康信息搜索與健康風險認知偏差影響關系的形成機理。在未來的研究中，可以進一步通過訪談法或實驗法等收集一手數據，進行深入分析；第二，囿于CGSS2021問卷題項的設置，在網絡健康信息主題方面，缺少其他具有更高情感價值的健康主題，如癌癥、基因疾病等的題項。此外，用戶健康風險認知偏差可能會受到網絡健康信息搜索方式、網絡搜索經驗等其他變量的影響，未來的研究將關注更多影響健康風險認知偏差的變量。

參考文獻：

［1］? 健康中國行動推進委員會.健康中國行動（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］? 陳淑賢，宋嘉庚，吳海榮.民眾信息獲取與健康感知的認知偏差研究［J］.中國健康教育，2018，34（9）：827-831.

［6］? 王伊琳，陳先潔，孫蓉.健康風險認知偏差對商業健康保險購買決策的影響：基于行為經濟學視角［J］.中國軟科學，2021，369（9）：66-74.

［7］? 賈男，雷蓮蓮.認知偏差、健康投資與農村老年人健康水平：以高血壓為例［J］.經濟學報，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，韓文婷，朱慶華.信息特征對網絡健康焦慮的影響研究［J］.圖書與情報，2022（4）：75-86.

［10］? 羅愛靜，陳陽，謝文照，等.健康焦慮人群的網絡健康信息搜索行為影響因素研究［J］.情報資料工作，2022，43（2）：66-75.

［11］? 宋小康，趙宇翔，朱慶華.在線健康信息替代搜尋對被替代者健康行為和健康水平的影響研究［J］.情報學報，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，趙宇翔，宋小康，等.互聯網環境下失真健康信息可信度判斷的影響因素研究［J］.中國圖書館學報，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］? 鄧勝利，顧一飛.網絡虛假健康信息研究綜述：認知、行為與治理［J］.圖書館雜志，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］? 鄧勝利，趙海平.基于認知失調理論的偏差信息搜尋行為與認知的作用機理研究［J］.情報科學，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］? 韓正彪，顧雅楠，翟冉冉.國外用戶網絡信息搜索中的知識變化研究回顧［J］.情報理論與實踐，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.基于認知分類的大學生網絡健康信息搜索的學習效果研究［J］.圖書情報知識，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］? 陳靜，張璐，陸泉.突發公共衛生事件中大學生健康信息需求動因與主題研究［J］.圖書情報工作，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］? 陽長征.網絡突發事件中信息流動與情感粒度對用戶認知偏向影響研究［J］.情報理論與實踐，2020，43（12）：133-143，132.

［46］? 張龍，劉萌，羿翠霞.構建積極身體形象：肥胖認知與大學生身體活動的關系［J］.中國青年研究，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］? 中國人民大學中國調查與數據中心.中國綜合社會調查（CGSS）2021年度調查數據公開發布［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］? 韓景倜，樊衛國，羅曉蘭，等.用戶健康信息搜尋行為對健康行為影響的研究進展［J］.情報資料工作，2018，221（2）：48-55.

［51］? 羅曉蘭，韓景倜，樊衛國，等.互聯網時代的健康信息與健康焦慮［J］.情報資料工作，2019，40（2）：76-86.

作者簡介：韓正彪，男，南京農業大學信息管理學院教授；戚景琳，女，南京農業大學信息管理學院博士研究生；王云輝，男，四川大學公共管理學院博士研究生。