人工智能生成虛假健康信息的用戶認知機制探索

Abstract：Withthe widespread applicationofAI-generated content，the isueof1 information in the healthcare domain has become increasingly severe， affcting public health decisions and social trust.To explore its influencing factors，this study conducted semi-structured interviews with users from diferent age groups and applied grounded theory forcoding analysis，developingan influence factor model.The model encompasses fivecore factors： information evaluation，platform environment，content characteristics，personal traits，and social environment. Through an indepth analysisofthe impact mechanismof AI-generated 1 health informationonuser cognition，this study notonly expandsthe theoreticalunderstandingof1 health informationgovernance in thecontextofartificial intellgence but also provides valuable references for policy-making and technological development in health information governance. It contributes to enhancing platformregulatorycapabilities，optimizing users'information literacy，and promoting the healthydevelopmentof the health information ecosystem.

Keywords： Artificial Intelligence; False Health Information; User Cognition; Grounded Theory

伴隨人工智能算法、算力和數據資源的飛速發展，生成式人工智能（GenerativeArtificialIntelligence，簡稱GAI）應運而生，并超越了傳統應用軟件與互聯網平臺的范疇，逐漸形成了覆蓋多領域、橫跨各行業的全鏈式產業規模。GAI的廣泛應用極大地降低了用戶的使用門檻，消除了專業與通用的壁壘，使人工智能真正融入普通人的生產和社會生活。在大算力的支撐下，GAI通過強算法處理海量數據，使其能夠提供內容創意生成、數字人構建、對話搜索、代碼生成等多種服務，在自然語言處理、計算機視覺、語言處理等領域表現尤為出色。因此，GAI大語言模型的出現，標志著人工智能生成內容（ArtificialIntelligenceGeneratedContent，簡稱AIGC）新時代的開啟

李白楊等提出，AIGC既是當前備受矚目的新興人工智能應用，也將成為未來網絡信息資源的主要存在形式之一。[伴隨著虛擬人、機器人等相關技術的持續進步，AIGC將成為機器與人類交互的重要媒介和載體。然而，“人工智能在給人類帶來巨大好處的同時，也伴隨著可怕的風險；我們應該密切關注正在發生的變化，并采取適當的策略，以便促成最好的結果”［2]。人工智能技術和應用本身帶來了革命性體驗和顛覆性生產力，但關于其通用性發展的趨勢及其潛在風險的討論也層出不窮。薛瀾和王凈宇指出，人工智能技術在產生巨大經濟社會發展收益的同時，也從內生風險、應用風險、經濟社會風險等多個維度對個體、國家乃至全人類帶來不容忽視的安全威脅，在醫療健康領域尤為突出。[3]GAI生成的內容，尤其是虛假健康信息，不僅可能誤導公眾決策，還可能對個人健康和社會穩定產生深遠的負面影響。因此，本研究以不同年齡段用戶群體為研究對象，采用扎根理論，從用戶心理與行為視角出發，探索人工智能生成的虛假健康信息對用戶認知的影響因素及作用路徑。研究旨在為治理人工智能生成虛假健康信息、維護健康信息生態提供理論依據和實踐參考。

1文獻綜述

1.1人工智能與虛假信息

楊丹通過對微博、微信等平臺數據的分析，定義網絡虛假信息為那些不基于事實，或存在夸張、歪曲內容的信息。這類信息通常通過“無中生有”或“偷換概念”等手段制造，導致用戶難以分辨真偽。［4]王劍等人認為虛假信息是指制造者故意誤導讀者，并能夠通過其他來源證實其結果為假的信息，通常具有故意性（intent）和可證實性（verifability），并將虛假信息細分為基于事實的虛假信息和基于觀點的虛假信息。前者包括假新聞和謠言，通常涉及捏造或歪曲事實；后者則通過主觀表達潛移默化地影響用戶決策，多見于電子商務測評等場景。［5]

在人工智能時代，虛假信息有了新的類型。Yu等人指出人工智能生成的虛假信息可以分為兩種主要類型：AI生成的虛假信息（AI-generateddisinformation）和AI生成的誤導信息（AI-generatedmisinformation）。[6]在健康領域，虛假信息往往涉及未驗證的醫學建議、錯誤的治療方案或不實的健康數據。VanEijk和Schonhock認為AI生成的虛假信息包括無意傳播的虛假信息（misinformation）故意制造的虛假信息（disinformation）以及基于事實但被惡意歪曲的信息（malinformation）。[7]這些虛假信息可以通過文本、圖像和視頻等多種形式傳播，利用大型語言模型、圖像生成模型和視頻生成技術生成高度逼真的內容，從而誤導公眾。

AI生成虛假信息不僅形式多樣，其錯誤類型和社會危害也值得深人探討。Sun等學者指出，AI生成的虛假信息的錯誤通常可以分為邏輯錯誤、推理錯誤和事實錯誤等類型，虛假信息的生成不僅是語言內容的誤導，還涉及視覺和聽覺內容的虛假呈現，而這會進一步增強信息的可信度，從而提高其傳播效力。［8]在探討AI生成虛假信息的潛在危害時，胡泳指出，AI生成虛假信息的危害廣泛且深遠，不僅會損害社會信任，還可能侵犯個人隱私，甚至在危機時期誤導公眾決策。[9]可見AI生成的虛假信息對社會的潛在危害較高。

1.2生成式人工智能與虛假健康信息

（1）虛假健康信息的概念與特征

虛假信息廣泛存在于網絡世界，其影響力不斷擴大，涵蓋了從新聞到生活資訊等多個領域。隨著公眾對健康知識的需求日益增加，健康領域成為虛假信息的重災區。虛假健康信息因此逐漸滲透進人們的日常生活。關于虛假健康信息的定義，Ghenai將虛假健康信息視為與現有醫學共識和科學理解相悖的錯誤信息。［10]Cui和Lee將虛假健康信息定義為與科學證據不符的健康相關內容。[11]熊回香等學者則將其定義為在傳播過程中未經驗證的健康相關內容。［12]鄧勝利等認為虛假健康信息是指不真實的健康相關信息或已經被證實的健康謠言。這類信息可能誤導公眾的健康行為和決策，產生不利影響。[13]

虛假健康信息在內容和形式上具有明顯特征。侯筱蓉等學者指出，虛假健康信息有兩個主要特征：其一是“虛”，即信息完全沒有事實依據，憑空捏造；其二是“假”，即該信息能夠被證偽。[14]虛假健康信息的語言特征也備受關注，孔杉杉等學者指出其語言表達往往更隱晦，且常通過夸張等語義特征來吸引公眾。［15]張帥利用NVivoPlus軟件分析發現，社交媒體上的虛假健康信息在“元數據缺失”“術語包裝”和“假借權威”等方面表現顯著。［16]這些特征在食品安全、常見疾病和養生保健類主題中尤為突出，有助于區分虛假與真實信息。有關虛假健康信息的涵蓋內容，也有學者展開了研究。單家銀指出，虛假健康信息常包含未經科學驗證的健康建議，例如錯誤的醫療建議、養生方法或疾病預防措施。這些信息可能誤導公眾采取無效甚至有害的健康行為。[17]

（2）社交媒體與用戶行為在虛假健康信息傳播中的作用

在現代信息社會中，社交媒體成為虛假健康信息的主要傳播途徑之一。曾祥敏和王孜指出，社交媒體中的虛假健康信息具有“三高”特征，即高煽動性、高信任度、高轉發率。[18]平臺算法通過用戶畫像精準推送高關注度信息，使虛假健康信息更易被用戶接受和傳播。這種算法驅動的傳播路徑不僅延長了虛假健康信息的生命周期，還使其觸達更多不同層次的用戶，增強了信息的傳播深度和廣度。

用戶的認知反應和傳播行為在虛假健康信息的擴散中起到至關重要的作用。用戶對虛假健康信息的信任和接受度受多重因素影響，這些因素在不同程度上推動了虛假健康信息的擴散。用戶對AI生成虛假健康信息的認知機制涉及信息識別、信任度評估和行為反應等多個方面。虛假健康信息的傳播對象主要是缺乏相關健康知識的個體，這些個體對信息的判斷能力較弱，更容易受到虛假健康信息的誤導。[19]李明文和戴雪妮指出，用戶的傳播行為受環境和心理因素雙重影響。在信息過載、媒體公信力下降、“界墻效應”等因素作用下，用戶更難辨別虛假健康信息。用戶在健康焦慮和責任感驅動下，更傾向于轉發這些信息，進一步加劇了虛假健康信息的擴散和二次傳播。「20]此外，張曉雪的研究發現，健康信念因素和社會規范因素顯著影響用戶的虛假健康信息接受意愿，而接受意愿直接推動了信息傳播行為。網絡用戶在感知易感性和感知嚴重性方面因年齡而存在顯著差異，學歷和職業的不同也對信息接受行為產生影響，[21]這表明個體特征在虛假健康信息傳播中的差異性。Ahmed和Tan指出，個體的性格特征和認知能力在識別政治虛假信息時起重要作用，這表明用戶對虛假健康信息的認知可能受到類似因素的影響。[22]

信任在虛假健康信息的循環中也起著潛在的推動作用。Zhang等人的研究發現，信任不僅促進了虛假健康信息的產生和傳播，還加劇了其負面影響，增加了信息治理的難度。[23]此外，Home等人指出，用戶傾向于接受與自身觀念一致的虛假健康信息，即“確認偏見”，這一偏見在認知層面上加速了虛假健康信息的傳播。［24]社會文化背景、個人經驗和風險感知也影響用戶的虛假健康信息傳播行為。鄧勝利和顧一飛的研究發現，用戶的社會文化背景和個人經驗在信息接受和傳播過程中發揮了重要作用，特別是在信息識別準確性上。[25]張衛東等依據風險感知理論，構建了網絡虛假信息傳播行為影響因素模型，研究結果顯示，情緒、信任、信息數量與質量對虛假信息傳播具有正向影響，而知識水平和媒體接觸則對其產生負向影響。［26]由于這些主觀偏差，用戶對虛假健康信息的接受和二次傳播現象尤為明顯。

（3）人工智能生成的虛假健康信息的危害

隨著人工智能技術的迅猛發展，尤其是生成性模型在文本、圖像、音頻等領域的廣泛應用，AIGC已成為信息傳播的重要組成部分。然而，這一技術的濫用在健康領域引發了嚴重隱患，朱嘉珺將AI生成的虛假健康信息的風險歸納為三類：積極生成型風險、消極生成型風險和人為操縱型風險。前兩者是AI模型根據自身算法生成的虛假信息，而人為操縱型風險則是外部干預下AI模型輸出虛假信息的結果。［27]Menz等人指出，AI工具能夠迅速生成大量涉及健康主題的誤導性內容，其中包括虛構的醫療專家言論、患者病例以及看似專業但實則錯誤的健康建議。［28]這些內容往往以高度可信的形式呈現，使公眾難以辨別真偽，從而影響健康相關決策，甚至可能在特定情況下誘發群體性健康風險。Sorich等人的研究進一步強調，AI生成的健康信息可能包含錯誤或誤導性內容，這一現象通常被稱為“AI幻覺”（AIhallucination）。即AI在生成內容時，可能憑空編造虛假但邏輯自洽的信息，導致公眾獲取的健康信息失真，進而影響醫學知識的傳播和患者的自主決策能力。此外，若AI生成的虛假健康信息被惡意操縱用于傳播不實醫療信息（disinformation），其社會危害性將進一步加劇。［29]Bao的研究指出，AI生成的健康信息可能被濫用于學術不端行為，例如偽造醫學研究論文、篡改實驗數據或生成虛假的學術引用。這種現象不僅影響醫學研究的嚴謹性，還可能在科學傳播中造成虛假知識的擴散。［30]盡管目前已有針對AI生成內容的檢測工具（如Copyleaks和Turnitin），但這些工具在檢測AI生成的健康信息時仍存在誤報率較高、難以精準識別等局限性。

1.3文獻評述

既有研究圍繞人工智能生成的虛假健康信息（FalseHealth InformationGeneratedbyArtificialIntelligence，簡稱FAIGC）的生成機制、傳播路徑及治理策略展開了廣泛探討。然而，針對用戶如何感知、評估及響應AI生成虛假健康信息的認知過程仍有待深入挖掘。針對上述問題，本文聚焦人工智能生成虛假健康信息的用戶認知機制，探討用戶識別虛假健康信息的認知邏輯、信任形成與降低的關鍵節點，以及個體特征、信息屬性與平臺環境的交互作用。本研究旨在構建面向人工智能生成虛假健康信息的用戶認知模型，揭示AI生成虛假健康信息對公眾決策的影響機制，為精準治理提供理論依據與實踐指導。

2研究設計

2.1研究方法

扎根理論是一種定性研究方法，是由兩位社會學者BarneyGlaser與AnselmStrauss于1967年首次提出，其目的是為了從經驗性資料中提取可靠的理論。［31]目前關于人工智能生成的虛假健康信息對用戶認知的影響因素的研究尚未形成成熟的理論模型。因此，本文通過扎根理論，探索人工智能生成的虛假健康信息對用戶認知的影響因素及作用路徑。

2.2實驗設計

在正式設計訪談提綱之前，本文通過查閱各類軟件，詳細了解不同年齡段群體在社交媒體使用上的行為特點，為人工智能生成虛假健康信息案例的設計提供了重要依據。青年群體的健康關注點集中在外形管理（如減肥、健身）等內容，容易對這些話題相關的虛假信息產生興趣。中年群體的健康關注點主要圍繞子女健康與學習，特別是提高智力的營養品或教育方法。老年群體的健康關注點主要集中在慢性病防治（如“三高”治療）保健品以及所謂的“特效藥”上，因此常成為虛假健康信息的受害者。根據預調研結果，本文針對不同群體的特點，設計了模擬的人工智能生成虛假健康信息案例，針對青年群體設計了快速減肥圖文案例，針對中年群體設計了補腦營養品視頻案例，針對老年群體設計了保健品視頻案例。

2.3數據來源

本研究采用扎根理論方法，對原始資料進行深入分析，以歸納出其內在規律和關聯。本文的訪談大綱設計遵循以下步驟：（1）根據特定群體制定初步訪談提綱；（2）在每個群體中隨機選取兩名受訪者進行預訪談，根據訪談效果和受訪者的反饋意見對訪談提綱進行修改，最終形成正式的訪談提綱，部分訪談提綱見表1。訪談問題僅為訪談的基本框架，實際訪談過程中，研究者會根據受訪者的回答進行追問，確保問題的針對性，同時保證訪談內容始終圍繞研究主題展開。

扎根理論要求選取具有代表性的受訪對象，并確保受訪對象不受外部干擾。［32]為此，本文根據以下標準選擇合適的訪談對象：（1）頻繁使用抖音、快手或小紅書等社交媒體；（2）經常關注網絡上的健康信息；（3）具備獨立思考和溝通能力。根據上述標準，本文于2024年11月至12月對32名符合條件的受訪者采用線上線下相結合的方式進行半結構式訪談，受訪者基本信息如表2所示。訪談時，在受訪者知情同意的情況下進行錄音，收集的音頻數據時長約10小時，經過轉化和有效處理后累計獲得約4萬字的文本數據

3基于扎根理論的編碼分析

3.1開放式編碼

在開放編碼階段，嚴格遵循語句原意進行概括性編碼處理。青年組訪談對象編號1-10，中年組訪談對象編號11-22，老年組訪談對象編號 23- 32。隨后，對編碼后所獲得的初始概念進行深入比較與細致分類，最終確定了30個基本范疇，開放式編碼如表3所示。

3.2主軸編碼

通過對開放式編碼階段形成的30個基本范疇整理出具有內在邏輯關系的5個主范疇和13個副范疇，主軸編碼結果如表4所示。

3.3選擇性編碼

選擇性編碼是對主范疇之間邏輯關系進行更深入的提煉和歸納，通過“故事線”的方式展現其整體脈絡和架構，最終形成能夠貫穿研究全貌的核心范疇。［33]本研究將“人工智能的生成虛假健康信息對用戶認知的影響因素”提煉為核心范疇。之后依據核心范疇，將“故事線”總結為：用戶判斷人工智能生成的虛假健康信息受到信息評估、平臺環境、內容特征、個人特質、社交環境的影響，核心范疇與主范疇的邏輯關系如表5所示。

3.4理論飽和度檢驗

根據扎根理論的要求，為驗證材料中的概念、主范疇、核心范疇提煉的可信度與充分性，研究者需進行理論飽和度檢驗，即在新的數據收集過程中，不再出現新的理論見解、概念或范疇，則認為理論已達到飽和。［34]在本研究中，核心范疇在編碼至第28份訪談資料時已基本確定，隨后使用剩余4份訪談資料對扎根理論產生的結果進行理論飽和度檢驗，結果顯示，未再出現新的概念、范疇或關系，因此可認為本研究提出的人工智能生成的虛假健康信息對用戶認知的影響因素模型在理論上已達到飽和。

4模型構建與解釋

本文基于實證研究，剖析各影響因素之間的邏輯與作用機理，為深入探究人工智能生成的虛假健康信息對用戶認知的影響因素提供了多個層面的視角（如圖1所示）。

4.1信息評估

信息評估是指用戶在面對人工智能生成的虛假健康信息時所采取的驗證行為，直接影響其認知與判斷。根據對訪談資料的分析可知，用戶在信息評估時主要表現出以下三種方式：其一，信息驗證。用戶主動核實信息的真實性，以增強判斷的準確性。當接收信息時，個體往往會本能地產生懷疑，并采取行動加以驗證。例如，訪談人12提到：“一般會先自己驗證（健康信息），比如查查相關資料。”可見，用戶對信息的真實性的驗證主動性越高，越有利于辨別虛假健康信息，從而降低誤信風險。其二，信息規避。部分用戶在面對信息時，并不會主動核實其內容，而是選擇采取主動的規避策略，減少接觸或直接忽略相關信息，在一康信息傳播的關鍵載體，對信息的可信度及其影響范圍起著重要作用。通過對訪談資料分析可知，平臺環境主要受平臺可信度與平臺治理兩方面因素影響：第一，平臺可信度。不同的信息傳播平臺因其獨特的調性、定位及主要受眾群體的差異，形成了各具特色的信息環境。這種差異性導致公眾對不同平臺產生了基于過往經驗的慣性評價。此類慣性評價在很大限度上塑造了人們對來自特定平臺信息的可信度認知。例如，訪談人15提到：“平臺本身的可信度會增加視頻的可信度。”可見，平臺可信度直接影響用戶認知。第二，平臺治理。平臺通過內容審核、技術檢測及對AI生成內容進行標識等措施，能夠在信息傳播中有效遏制虛假健康信息擴散，減少誤導公眾的可能性。

定限度上降低用戶被虛假信息誤導的風險。例如，訪談人4提到：“可能也不會核實，就直接忽略吧。”其三，資質驗證。用戶傾向于依據信息發布者的權威性來判斷信息的可信度。例如訪談人7提到：“如果是一些正規的醫療平臺或者科研機構利用AI技術來輔助提供健康信息，并且經過專業人員審核把關的，那還是有一定的可信度。”

4.3內容特征

在信息生態系統中，AIGC對用戶信任度構成了關鍵性影響。通過對訪談資料分析可知，用戶在評估AIGC內容時，主要受到兩個方面的影響。其一，內容呈現。AIGC的呈現形式直接影響用戶的信任程度。用戶往往會因為其情感化表達、科學性包裝、權威性包裝、虛擬人的真實性及內容的詳細程度對信息產生不同的判斷。當人工智能生成的內容伴隨情感化表達、專業術語時，用戶更容易接受并相信。其二，信息質量。由于AIGC的真實性難以完全保障，這在一定程度上影響了用戶的健康認知。當這類信息被廣泛傳播時，可能加劇用戶對健康信息的誤解，甚至影響其決策。

4.2平臺環境

4.4個人特質

個人特質是影響用戶判斷人工智能生成的虛假健康信息的基礎因素。由于個人特質的差異，用戶在面對相同信息時會有不同的判斷。個人特質主要包括認知能力、過往經歷、認知開放性、心理基礎。其一，認知能力。個體的信息素養決定其獲取、甄別和理解信息的能力。其二，過往經歷。用戶的過往經歷在一定程度上能夠幫助用戶對信息進行判斷。例如，一些老年受訪者提到，由于曾經有過購買保健品受騙的經歷，因此對社交媒體上的信息持更加謹慎甚至不信任的態度。其三，認知開放性。不同用戶對新技術的接受程度存在差異，受教育背景、生活環境等因素的影響。例如，訪談人12提到：“老年人可能不太容易再接受一些很新鮮的事物，比如說像AI人工智能這種新技術。”認知的開放性決定用戶對新型技術的接受程度，也影響其判斷的靈活性。其四，心理基礎。心理基礎決定了個體對信息的傾向性和敏感度。在健康焦慮和錯誤觀念的共同作用下，用戶可能會降低對信息真實性的謹慎考量。例如，訪談人11提到：“老年人對自己一些健康方面去過度的關心，因為人老之后，難免就會擔心自己生老病死怎么辦？對自己健康的關心是一個非常正常的事情，然后自己關心什么就容易去忽視一些其他的因素。”

4.5社會環境

個體在判斷信息真偽時不可避免地會受到社會環境的影響，輿論氛圍的導向、社會風氣的變遷等社會因素會激發人們的從眾心理，間接影響個體對信息的認知與判斷。根據對訪談資料的分析可知，個體主要受到群體認同和人際經驗的影響。首先，群體認同。當某一信息在社會范圍內廣泛傳播，且伴隨著積極的用戶反饋時，其被接受并視為可信的可能性將顯著增強。這種群體公式使個體更傾向于認同該信息，訪談人23、27、32均表示，“如果大家都在用（某一產品），可能更會相信（產品所包含的虛假健康信息”。這一現象揭示了群體經驗在塑造個體對信息的信任度方面起到了關鍵作用。其次，人際經驗。在社會交往過程中，個體的判斷往往受到親朋好友的影響。當身邊的人對某一信息持懷疑態度，或通過提醒他人注意信息的真實性時，這種警示作用會削弱信息的傳播能力。例如，訪談人21提到：“告誡朋友不要輕易相信（這類信息）。”這說明人際網絡不僅僅是信息流通的渠道，也是信息篩選的重要環節，具有防范虛假信息擴散的社會功能。

5結論與啟示

5.1以人為本，提高公眾素養

面對人工智能生成的虛假健康信息，提高公眾的信息素養和健康素養是塑造良好健康信息環境的核心路徑。在信息素養方面，應強化媒介素養教育，提高公眾對人工智能生成信息的認知和辨別能力，避免盲目信任。在健康素養方面，《健康中國行動（2019一2030）》明確提出提升全民健康素養，以確保公眾具備科學的健康認知。［35]在社交媒體廣泛滲透的時代，應充分利用新媒體平臺，加大健康科普傳播力度，提高公眾獲取、理解和應用健康信息的能力。

5.2強化監管，加強AIGC內容透明度與審核

隨著人工智能技術的快速發展，人工智能生成內容不僅具備語言表述生動且富有感染力的特點，還具有較強的隱蔽性，因此，公眾很難辨別。為了降低用戶的辨識成本，提高信息的透明度，平臺應在人工智能生成內容發布時自動識別并標注其為人工智能生成內容，并提示潛在的健康風險。同時，平臺應加強對健康信息的審核，嚴格審核發布內容，從源頭阻斷虛假健康信息的擴散，確保信息環境的安全。

5.3多元協同，促進AIGC治理體系構建與完善

應匯聚政府、企業、學術機構、非政府組織的力量，推動形成以“以政府為主導，多元社會主體協同參與”的多元治理體系，從而促進人工智能安全與高質量發展。2023年11月，28國及歐盟聯合發布了《布萊切利宣言》，首次在國際層面就人工智能安全問題達成共識，特別強調了防范人工智能生成的虛假信息對社會穩定的負面影響。［36]我國應積極參與全球人工智能治理進程，通過舉辦行業峰會、深化跨國科技合作項目等方式，構建具有中國特色的人工智能生成虛假健康信息治理體系，推動中國倡議走向國際實踐。

*本文系國家自然科學基金面上項目“人智協同的多模態網絡虛假健康信息識別及干預策略研究”（項目編號：72474098）階段性研究成果。

作者貢獻說明

阿迪來·熱義木江：確定論文框架，撰寫、修改與審定論文；彭蘊慧：文獻綜述與理論分析；陳 欣：撰寫與修改論文；強嬌：案例收集與結果討論；尹想：案例收集；趙月華：構思選題框架，修改 與審定論文，本文通訊作者。

注釋與參考文獻

[1]李白楊，白云，詹希旎，等.人工智能生成內容（AIGC）的技術特征與形態演進［J」.圖書情報知識，2023（1）：66-74.

[2]馬長山.人工智能的社會風險及其法律規制[J].法律科學（西北政法大學學報），2018（6）：47.

[3」薛瀾，王凈宇.人工智能發展的前沿趨勢、治理挑戰與應對策略［J].行政管理改革，2024（8）：4-13.

[4]楊丹.網絡虛假信息傳播特點及治理—基于2016年上半年的大數據分析[J」.新聞記者，2016（8）：38-43.

［5]王劍，王玉翠，黃夢杰社交網絡中的虛假信息：定義、檢測及控制[J].計算機科學，2021（8）：263-277.

[6]YUX，WANGY，CHENY，etal.Fake artificial intelligence generated contents（faigc）：A survey of theories，detection methods，and opportunities [EB/OL].[2025-06-09].https：//arxiv.org/

abs/2405.00711.

[7］EIJKJV，SCHONROCK B.AI-Generated

Misinformation： A review of the dangers， detection，and combating

of AI-generated misinformation [M] //SMEDINGA R，

BIEHL M. 21st SC@RUG 2024 proceedings 2023-2024.

Groningen： University of Groningen Press，2O24： 59. [8］SUNY，SHENGD，ZHOU Z，WUY.AI

hallucination ∵ towards a comprehensive classification

of distorted information in artificial intelligence

generated content[J].Humanities and Social Sciences

Communications，2024，11（1）：1-14.

[9]胡泳.人工智能驅動的虛假信息：現在與未來

[J].南京社會科學，2024（1）：96-109.

[10]GHENAI A. Health misinformation in search and

social media[C].Proceedings of the 2O17 International

Conference onDigital Health，2017：235-236. [11］CUIL，LEED.CoAID：Covid-19healthcare

misinformation dataset[EB/OL].［2025-06-09] https：//arxiv.org/abs/2006.00885.

[12」熊回香，孟璇，葉佳鑫.新冠疫情虛假健康信息研究主題與核心要素研究綜述[J」.圖書情報工作，2023（7）：135-149.

[13」鄧勝利，李雅靜.突發公共衛生情境下中老年人虛假健康信息應對行為研究［J].情報資料工作，2021（2）：43-51.

[14]侯筱蓉，付揚，陳娟.基于微信平臺的健康信息用戶感知和效用研究[J].現代情報，2016（10）：89-93.

[15]孔杉杉，張軍，馮立超.基于計算敘事模型的虛假健康信息特征研究[J」.情報雜志，2024（2）：152-161.

[16]張帥.社交媒體虛假健康信息特征識別［J]，圖書情報工作，2021（9）：70-78.

[17]單家銀.健康虛假信息的識別與治理[J]：健康教育與健康促進，2024（2）：162-165.

[18」曾祥敏，王孜.健康傳播中的虛假信息擴散機制與網絡治理研究［J」.現代傳播（中國傳媒大學學報），2019（6）：34-40.

[19］ZHANGS，ZHOUH，ZHUY.Havewefound a solution for health misinformation？ A ten-yearsystematic review ofhealth misinformation literature2013-2022[J] . International Journal of MedicalInformatics，2024，188：105478.

[20」李明文，戴雪妮.互聯網下虛假健康信息的用戶傳播行為研究［J].新聞知識，2022（12）：53-59.

21張曉雪.網絡用戶虛假健康信息接受的影響因素研究［D].保定：河北大學，2024

[22]AHMED S，TAN HW.Personality and perspicacity ：Role of personality traits and cognitive ability in political misinformation discernment and sharing behavior[J].Personality and Individual Differences， 2022，196：111747.

[23]LIY，FAN Z，YUANX，ZHANG X. Recognizing fake information through a developed feature scheme ：A user study of health misinformation on social media in China[J].Information Processingamp; Management，2022，159（1）：102769.

[24]HOME B，ADALI S.This Just In：Fake NewsPacksALotIn Title，UsesSimpler，Repetitive Contentin TextBody，More SimilarTo Satire Than RealNews[EB/OL].[2025-06-09].https：//arxiv.

org/abs/1703.09398.［25］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（5）：14-22.[26]張衛東，欒碧雅，李松濤.基于信息風險感知

的網絡虛假信息傳播行為影響因素研究［J］.情報理

論與實踐，2019（9）：93-98，110.［27］朱嘉珺.生成式人工智能虛假有害信息規制

的挑戰與應對——以ChatGPT的應用為引［J］.比較

法研究，2023（5）：34-54.[28]MENZBD，MODIND，SORICHM

J，et al. Health Disinformation Use Case Highlighting

the Urgent Need for Artificial Intelligence Vigilance ：

Weapons of Mass Disinformation[J] . JAMA Internal

Medicine，2024，184（1）： 92-96.[29] SORICH M J，MENZ B D，Hopkins A M.

Quality and safety of artificial intelligence generated health

information［EB/OL].[2025-06-09].https：//

www.bmj.com/content/384/bmj.q596.[30] BAO A. Detecting Artificial Intelligence-

Generated Textual and Image Misinformation Using

Machine Learning［C].2O24 5th International

Symposium on Computer Engineering and Intelligent

Communications（ISCEIC ），2024 ： 671-676.[31]BARNEY G. Discovery of Grounded

Theory ： Strategies for Qualitative Research[M].

Oxford ： Taylor and Francis， 2017.［32］王錫苓.質性研究如何建構理論？扎根理

論及其對傳播研究的啟示［J］.蘭州大學學報，2004

（3）：76-80.[33]白彬，趙麗英.人工智能倫理制度化：影響因

素與生成邏輯——基于扎根理論的政策文本分析［J].

黑龍江社會科學，2023（5）：43-50.[34]黃玉波，雷月秋.漂綠廣告的想象與感知：基

于扎根理論的方法[J］.現代傳播（中國傳媒大學學

報），2019（6）：124-130.［35］國務院關于實施健康中國行動的意見［EB/

OL].[2025-03-07] .https：//www.gov.cn/zhengce/

content/2019-07/15/content_5409492.htm.[36］The Bletchley Declaration［EB/OL].[2025-

03-07].https：//www.gov.uk/government/publications/

ai-safety-summit-2O23-the-bletchley-declaration.

（責任編輯：馮婧愷張帆）