■贺建平 杜宝珠 黄肖肖
　　【本文提要】新型冠状病毒肺炎对人们的健康信息寻求行为产生了影响。本研究建构了一个扩展的信息寻求综合模型，用以解释城市老年人关于新冠肺炎健康信息的寻求行为。研究发现：在对城市老年人健康信息的媒体使用意向和信息寻求行为的预测上，电子健康素养、寻求社会支持和媒介特性均有不同程度的显著影响；多群组分析发现：受教育程度仅在电子健康素养、媒介特性及健康信息的媒体使用意向上有显著差异。本研究加入的电子健康素养、社会支持构念，明确了疾病大流行环境中健康信息素养和寻求社会支持对健康信息的媒体使用意向的重要价值，对进一步推进信息寻求综合模型理论的多背景研究具有重要意义。
　　【关键词】城市老年人 微信使用 新冠肺炎 健康信息寻求行为
　　【中图分类号】G206
一、引言
　　随着社交媒体的广泛应用，越来越多的老年人通过社交媒体获取健康信息（Parida et al.， 2016），他们已成为健康信息的积极寻求者（Manafo & Wong， 2012）。在新型冠状病毒肺炎（简称“新冠肺炎”）疫情中，老年人利用网络寻求与新冠肺炎相关的健康信息（贾哲敏，孟天广，2020），以便帮助自己了解疾病、采取预防行为、处理各种健康状况，从而更好地进行健康自我管理。但是由于免疫功能弱、多有基础病，老年人成为新冠肺炎的易感人群和高危易发人群（国家卫健委宣传司，2020）。因此，对大流行性疾病背景下的老年人健康信息寻求行为进行研究具有重要意义，不仅可以准确了解影响他们寻求信息的因素，还可以为今后的大流行疾病规划提供参考。
　　目前关于流行性疾病健康信息的研究基本只限于信息来源、信息需求等方面，且没有细分年龄。在大流行性疾病发生后，人们经常通过医生、媒体、亲友等渠道获得关于疾病症状、应对政策、风险及防范等信息（Walter et al.， 2012；King et al.， 2018；李航，曾若湘，2019）。但是，寻求健康信息更多的是一种主观行为。随着老年人越来越多地从事积极的健康信息寻求行为，有必要从接受者的角度考虑健康信息寻求的驱动因素（Hartoonian et al.， 2014）。
　　因此，本研究基于强调因果关系的“信息寻求综合模型”（Comprehensive Model of Information Seeking， CMIS），根据已有文献和疫情实际情况形成扩展型的信息寻求综合模型，考察影响老年人对新冠肺炎健康信息寻求行为的因素，以期为更多老年人能有效使用社交媒体获取流行性疾病的健康信息提供建议。这不仅是老年人健康传播的重要课题，也是实现健康老龄化的重要社会议题。
　　
二、文献回顾与理论假设
　　（一）老年人、社交媒体与健康信息寻求
　　越来越多的老年人开始使用社交媒体，动机之一便是寻找健康信息（Tennant et al.，2015；赵栋祥等，2019；魏魏等，2020）。老年人往往面临着各种各样的健康问题，社交媒体为他们提供了一个潜在的重要信息接入点，使他们能够更加方便地寻求与健康相关的信息，并与他人进行交流（Parida et al.， 2016）。社交媒体为老年人寻求健康信息提供便利的同时，也提出了挑战。由于身体障碍、健康素养不高、技能水平较低以及社交媒体上信息的不确定性，老年人对社交媒体的使用意愿不强（Matilainen et al.， 2016；Berkowsky & Czaja， 2018；王晰巍等，2019），可见自身能力和媒体特性影响了老年人的社交媒体使用意愿。因此，在探究影响老年人使用社交媒体寻求关于新冠肺炎信息的影响因素时，需要将两者都纳入考虑范围。而信息寻求模型提供了一个较全面的视角，它既考虑了与信息寻求者相关的因素（如生理、心理特征变量），也考虑了与媒介作为信息载体相关的因素（Sheng & Simpson， 2015）。
　　信息寻求模型主要包括三个变量类型：前因、信息载体因素和信息寻求行为（Johnson & Meishke， 1993）。前因提供了寻求行为发生的条件，主要包括人口统计学特征、直接经验、显著性和信念。在前因的推动下，信息载体特性和使用两个媒介变量对信息寻求行为起了关键作用（Paek et al.， 2017）。信息载体特性与信息内容属性相关，如感知的信息可信度和对信息的理解力；使用指的是用户对信息载体所提供信息相关性和有用性的判断。前因和载体因素共同推动了信息寻求行为的发生。该模型精确地从接受者的角度审视了他们的信息寻求（Hartoonian et al.， 2014），是探究和解释健康信息寻求行为的可行性框架（Delorme et al.， 2011）。
　　（二）扩展的信息寻求综合模型
　　在允许个人创建、传播信息的社交媒体时代，各种各样的健康信息爆炸式地涌向老年人（Tennant， 2013）。他们不仅需要找到自身认为重要的“显著性”健康信息，还要学会辨别、应用这些信息。在疫情的非正常环境下，有关新冠肺炎的健康信息自然具有了“显著性”，并对老年人电子健康信息综合运用能力提出更高要求。同时，与他人交流、分享健康信息可以获得一种社会支持感（Liu et al.，2018），能够更好地参与这场关乎每个人的疫情防控。因此，为了使CMIS符合当前的研究背景，本研究去掉了“显著性”这一前因变量，增加了“电子健康素养”、“寻求社会支持”两个构念；此外，有研究指出人们的媒体使用意向是他们寻求健康信息行为的重要前兆（Paek et al.，2017），为了反映老年人积极使用社交媒体进行有目的的信息寻求，本研究将“使用”改为“媒介使用意向”，构建出一个扩展的理论模型。
　　1.直接经验
　　直接经验（direct experience）与自我健康状况评估及个人对疾病的体验程度有关（Johnson & Meischke， 1993；Oh， 2016）。已有研究表明，自我健康状况会显著影响用户利用媒介寻求信息的行为意向，自评健康状况越差，用户利用社交网站寻求健康信息的倾向越强（Li et al.， 2015；Chen et al.， 2016；Claridy et al.， 2018）。如果老年人认为自己的健康状况不佳，他们利用媒介查找健康信息的意向会更高（廖韦淳等，2012）。此外，一个人对疾病的经历也可能激发其对相关信息的寻求行为（Johnson et al.， 2001）。老年人免疫功能减弱，是新冠肺炎的易感和高危人群，且死亡率较高（国家卫建委，2020）。因此，直接经验很有可能会影响老年人对新冠肺炎健康信息的社交媒体使用意向，本文提出以下假设：
　　H1：直接经验对城市老年人关于新冠肺炎健康信息的社交媒体使用意向有正向显著影响。
　　2.自我效能
　　CMIS模型中“信念”与很多健康传播学者使用的“自我效能”（self-efficacy）概念一致（魏然等，2016：89）。自我效能指个体对自身能够完成某种目标所持的信念，是对自我健康管理能力的主观评估（Bandura，1977；Oh，2016）。它被认为是预测个人愿意参与某些行为的重要因素（Go & You， 2018）。有研究指出，对自我管理健康的信念与使用媒介寻求信息的行为意向显著相关（Oh et al.， 2013）。有能力应对自身健康问题的人，会有更加积极地寻找相关健康信息的意愿（Lee et al.， 2008）。Deng和Li（2017）在研究了患者的线上健康信息寻求行为后发现，他们对自身健康越有信心，使用社交媒体寻求相关信息的意向也越高。由此看来，当个人对自身的健康状态充满信心时，他们更愿意通过媒介寻求健康信息。因此，本研究提出以下假设：
　　H2：自我效能对城市老年人关于新冠肺炎健康信息的社交媒体使用意向有正向显著影响。
　　3.电子健康素养
　　在复杂而特殊的信息环境下，老年人要学会判断、甄别线上信息，以便在众多信息中获得有效的健康信息资源。良好的电子健康素养可以帮助他们更好地识别、理解、应用社交媒体中与健康相关的内容（Tennant et al.， 2015）。电子健康素养（e-health literacy）指个人熟练使用数字媒介，并从中寻找、发现、理解和评价健康信息，并将这些知识应用于解决健康问题或做出健康相关决策的能力（Neter & Brainin， 2012）。有研究表明，那些查询、应用健康信息能力较高的人可能更倾向于在线寻找相关信息（Han et al.， 2010）。而没有足够技能查询线上信息的老年人可能被各种各样的信息淹没，这降低了他们使用互联网的信心和意愿（Manafo & Wong， 2012；Tennant， 2013）。疫情期间，社交媒体上充斥着各种各样、五花八门的新冠肺炎信息，这是社会信息环境不稳定情况下对老年人有效寻求信息的考验。基于此，本研究考察老年人电子健康素养对其社交媒体使用意向的影响，并提出以下假设：
　　H3：电子健康素养对城市老年人关于新冠肺炎健康信息的社交媒体使用意向有正向显著影响。
　　4.寻求社会支持
　　社会支持（social support）是一个群体成员所感知到的关心和支持，它包括情感援助和信息支持（Cobb，1976；Wellman et al.，1996）。如今，社交媒体越来越多地被用作查询、交流健康信息的平台，使人们能够与“像我这样的人”进行交流（Thackeray et al.，2013；Jan et al.， 2016），从而获得信息或情感支持，这也极大地激发了他们利用社交媒体寻求健康信息的热情（Hether et al.， 2014）。人们在社交媒体上交流关于自己健康问题的经验，以帮助彼此了解未来可能发生的情况。同时，在对一些健康问题感到沮丧或有压力时，信息寻求者也可以从其他用户那里感受到安慰和慰藉，获得一种情感支持，从而减少自己的负面情绪（Li et al.， 2016）。由于集体主义文化的浸染，我国老年人更需要情感上的依赖，与他人交流健康信息使他们自身感受到了社会支持，也成为巩固老年人社会关系的重要途径（Liu et al.， 2018）。社交媒体的参与性和互动性或许为老年人寻求、交流健康信息提供了一个更好的平台，因此本研究提出以下假设：
　　H4：寻求社会支持对城市老年人关于新冠肺炎健康信息的社交媒体使用意向有正向显著影响。
　　5.社交媒体特性、社交媒体使用意向与健康信息寻求行为
　　CMIS模型认为媒介特性（media trait）会影响人们对媒介的选用，进而影响媒介使用意愿和健康信息寻求行为（魏然等，2016：90）。尤其在传染病大流行期间，人们认为可靠的网站传递的健康信息更可信（King et al.，2018）。并且由于老年人学习、动手能力的局限，媒介的易用性也成了老年人媒介使用的关键问题（Wong et al.， 2014）。如果老年人觉得信息系统太过复杂，他们的使用意愿便会降低（Parida et al.， 2016）。可见，媒介可信、易用等特性会对老年人的媒体使用意向产生影响。使用意向作为一种行为意图，对使用行为有直接影响，已有研究已经证实了使用意向与使用行为两者之间的关系（黄顺铭，2018）。一项中国人对社交媒体健康信息的接触如何影响其健康保护行为的研究表明，健康信息的使用意向正向预测其佩戴PM2.5口罩的行为（Yang & Wu， 2019）。且老年人对智能手机使用的意图越强烈，他就越可能接受并采取使用行为（贺建平，黄肖肖，2020）。此外，媒介特性也会对信息寻求行为产生直接影响，已有研究证实微信中雾霾信息的可靠性显著影响了用户利用微信寻求相关健康信息的行为（Yang & Wu， 2020）。综上所述，本研究提出以下假设：
　　H5：社交媒体特性对城市老年人关于新冠肺炎健康信息的社交媒体使用意向有正向显著影响。
　　H6：社交媒体特性对城市老年人的新冠肺炎健康信息寻求行为有正向显著影响。
　　H7：城市老年人关于新冠肺炎健康信息的社交媒体使用意向对其新冠肺炎健康信息寻求行为有正向显著影响。
　　6.人口变量
　　在以往关于健康信息寻求行为的研究中，性别、社会经济地位以及教育程度等预测了各种健康信息资源的不同使用（Johnson & Meischke， 1993；Han et al.， 2010；Ruppel， 2016）。然而，本研究的对象是使用社交媒体的城市老年用户，一旦有互联网的接入，社会经济地位因素就不再重要（Basnyat et al.，2018）。另外，有研究表明，在老年人使用社交媒体寻求健康信息方面，女性、本科以上学历的老年人使用社交媒体获取健康信息的可能性更高（Tennant et al.， 2015）。本研究将性别、受教育程度这两个因素作为控制变量，进行多群组检验，比较不同人群在健康信息寻求中是否具有显著差异。
　　
三、研究设计
　　（一）研究对象与资料收集
　　本文以老年人在寻求健康信息时经常使用的微信作为社交媒体的代表（赵栋祥等，2019；张高洁，2019），对55岁以上的城市老年人寻求新冠肺炎健康信息行为进行调查。在抽样时既考虑疫情的发展阶段，又综合全国各地的情况。我国疫情防控于2020年4月底进入常态化，疫情传播基本阻断，呈零星散发状态（中新网，2020）。本研究根据4月30日全国疫情数据，并结合方便抽样，以确诊病例超过500例的湖北、河南、山东、重庆、四川为主要区域进行了问卷发放，在确诊病例低于500例的省份中，以处于中间位置的贵州作为主要问卷发放地（今日头条，2020）。
　　在正式的问卷调查之前，本研究预先对30位城市老年人进行问卷预调查并根据反馈修改了问卷。然后通过朋友圈、微信群及好友转发等方式，于2020年7月30日—8月31日进行了问卷的线上发放与回收，共收集有效问卷513份。样本的人口统计学特征见（表1　表1见本期第68页）。
　　基于我国老年女性人口多于老年男性人口的现状（杨菊华等，2019），样本中性别比例女性高于男性也大致与现实情况一致。
　　（二）研究变量与测量
　　1.研究变量操作化
　　根据已有文献及研究目的，本研究确定了研究模型中八个构念的操作性定义（表2　表2见本期第68页）。
　　2.测量
　　本研究的变量测量充分吸收和借鉴了前人的研究成果，所有问题采用李克特五级量表作为选项，1=非常不同意，2=不同意，3=不确定，4=同意，5=非常同意。（其中人口变量作为控制变量，只测量性别和教育程度两个方面，不使用李克特量表，故不在此处显示。）
　　直接经验：此构念包含2个题项：（1）与身边的同龄人相比，我感觉我的健康状态不太好；（2）我感觉我经常生病。
　　自我效能：此构念包含3个题项：（1）我认为我能管理好自己的健康；（2）我已经制定了一些计划来改善自己的健康；（3）我认为我可以做好防护以避免自己被传染新冠肺炎。
　　电子健康素养：此构念包含4个题项：（1）我知道如何使用微信找到有关于新冠肺炎的健康信息；（2）我可以理解微信上的新冠肺炎健康信息（比如：传播途径、主要症状、预防手段等）的意思；（3）我可以判断微信上的新冠肺炎健康信息（比如：传播途径、主要症状、预防手段等）是否可信；（4）我知道如何利用微信上的新冠肺炎健康信息来帮助自己。
　　寻求社会支持：此构念包含4个题项：（1）当我不了解怎样预防新冠肺炎时，请求微信好友发给我相关信息；（2）当我对新冠肺炎健康信息有疑惑时，请求微信好友帮助我解答这些疑惑；（3）当我对老年群体的新冠肺炎高发病率感到担忧时，微信好友可以听我倾诉；（4）当我对老年群体的新冠肺炎高死亡率感到害怕时，微信好友通常会安慰我。
　　社交媒介特性：此构念包含3个题项：（1）我认为使用微信查询新冠肺炎健康信息的操作不复杂；（2）关于新冠肺炎健康信息发布者，我认为主流媒体（如《人民日报》等）的微信是可靠的；（3）关于新冠肺炎健康信息发布者，我认为主流媒体（如《人民日报》等）的微信是值得信赖的。
　　新冠肺炎健康信息的社交媒体使用意向：此构念包含4个题项：（1）我愿意在微信上浏览关于新冠肺炎的健康信息；（2）我愿意在微信上与其他人交流关于新冠肺炎的健康信息；（3）我愿意在微信上向其他人征询关于新冠肺炎健康信息的看法；（4）我会经常使用微信寻求关于新冠肺炎的健康信息。
　　新冠肺炎健康信息寻求行为：此构念包含4个题项：（1）过去六个月，我在微信上关注过关于新冠肺炎的健康信息；（2）过去六个月，我在微信上与其他人交流过关于新冠肺炎的健康信息；（3）过去六个月，我在微信上向其他人征询过关于新冠肺炎健康信息的看法；（4）过去六个月，我经常在微信上寻求关于新冠肺炎的健康信息。
　　
四、模型分析与假设检验
　　结构方程模型包括CB-SEM（covariance-based SEM）和PLS-SEM（partial least square，PLS），两者各有优势，与CB-SEM相比，PLS-SEM能处理更复杂的研究模型，且原始数据不需要满足正态分布（Hair et al.， 2012）。基于本研究使用方便抽样，原始数据很难满足正态分布，因此本研究运用偏最小二乘法，使用分析软件SPSS 24.0与SmartPLS 3.0处理数据。
　　（一）测量模型
　　信度检测上，构念的克朗巴哈α系数 （Cronbachs α）、组合信度（composite reliability）、指标变数的因子载荷量均大于0.7，表明数据的信度是可取的（Urbach & Ahlemann，2010）。如表3所示，所有构念都满足了信度要求。在此基础上，平均方差萃取量（AVE）大于0.5表明构念平均能够解释其指标方差的一半以上，从而证明了足够的聚合效度（convergent validity；Urbach & Ahlemann， 2010）。如（表3　表3见本期第69页）所示，本研究所有构念均符合聚合效度。
　　效度检测还检测区别效度（discriminant validity），如（表4　表4见本期第69页）所示，每个构念的AVE平方根大于构念间的相关系数（Urbach & Ahlemann， 2010），证明本研究具有区别效度。
　　（二）结构模型的假设检验结果
　　1.整个模型的路径与假设检验结果
　　本研究的模型路径分析与检测结果如（表5　表5见本期第70页）和（图3　图3见本期第70页）所示：首先，除直接经验和自我效能不能显著影响健康信息的社交媒体使用意向外，其他假设均获得不同程度的支持。第二，在对健康信息的媒体使用意向的预测上，寻求社会支持的贡献最大（β=0.471，p<0.005），其次为媒介特性（β=0.221，p<0.005），再次为电子健康素养（β=0.109，p<0.05）。所有这些预测变量加在一起所能解释健康信息社交媒体使用意向方差的50%（R平方=0.519）。第三，在对健康信息寻求行为的预测上，健康信息的媒体使用意向（β=0.720，p<0.005）和媒介特性（β=0.102，p<0.05）均显著影响了健康信息寻求行为，两者加在一起所能解释健康信息寻求行为的方差超过六成（R平方=0.612）。第四，在测量一个构念的已解释方差相对于它的总方差上，R平方的值约为0.670具有实质性价值，0.333为中等，0.190是微弱的（Urbach & Ahlemann， 2010）。由此可见，在对城市老年人的健康信息寻求行为的预测上，该模型具有较好的实务价值。
　　2.多群组分析结果
　　文献综述中已论述性别、受教育程度可能是老年人使用社交媒体健康信息寻求的重要预测变量。由于性别、受教育程度均为分类变量，不能做调节效果，所以本研究利用PLS中的多群组比较（multi-group analysis）对性别、受教育程度做多群组结构方程模型分析。其中，性别为男性（205）、女性两组（308）；受教育程度分为大专以下（240）、大专及以上（273）两组。具体的假设检验结果见（表6　表6见本期第71页）。
　　经过多群组结构模型检验发现：第一，男性和女性在所有的假设中无显著差异。第二，受教育程度仅在电子健康素养、媒介特性对健康信息的媒体使用意向上具有显著差异，其他无显著差异。
　　
五、结论与讨论
　　基于信息寻求综合模型（CMIS）及文献回顾，本研究通过加入“电子健康素养”、“寻求社会支持”两个先行潜变量，建构了一个扩展的信息寻求综合模型，用以解释城市老年人关于新冠肺炎健康信息的寻求行为。研究表明，该模型除了直接经验和自我效能不能显著影响健康信息的媒体使用意向外，其他假设均得到了不同程度的支持。并且在效应量方面，城市老年人健康信息媒体使用意向和寻求行为的被解释方差都超过50%，表明该模型具有良好的解释力和预测力。
　　过去关于CMIS的研究主要着眼于正常环境下的健康信息寻求，且大多以美国为背景。本研究则利用CMIS考察了影响中国城市老年人寻求新冠肺炎健康信息的因素，增加了CMIS在健康信息寻求方面的应用和实证证据，对进一步推进CMIS理论的多背景研究具有重要意义。其次，本研究通过加入电子健康素养、寻求社会支持等构念，测量个体健康资讯寻求行为的主动性，在实际应用方面，明确了疾病大流行环境中它们在预测人们健康信息寻求行为意愿方面的重要性。第三，以性别和受教育程度做多群组比较的结果更加证实了电子健康素养及媒介特性对于老年人健康信息的媒体使用意向的价值和意义。此为本研究的些微贡献。
　　（一）寻求社会支持是重要的前因变量
　　本研究发现寻求社会支持作为重要前因显著影响了城市老年人健康信息的媒体使用意向。尽管既有研究已表明与其他网络渠道相比，人们在社交媒体中可以获得更多的社会支持（常李艳等，2019）。但是国内关于老年人与社会支持的研究主要集中在社会支持与老年人身心健康、主观幸福感、孤独感的关系（苏红等，2018；牛玉柏等，2019；孙薇薇，石丹妮，2020），本研究则检测了社会支持对老年人关于社交媒体使用意愿的影响。社交媒体允许用户查询、交流健康信息，并与他人建立、维持关系，为老年人提供了一个信息和情感的接入点，对信息支持和情感支持的渴求也成为他们愿意使用社交媒体寻求健康信息的动机（Parida et al.， 2016；Liu et al.， 2018）。疫情期间，使用微信查询、交流信息已经成为居家老年人了解更多新冠肺炎健康信息的最佳选择。微信是获得信息和情感支持的合适场所，实时语音、视频等功能为处于焦虑、恐慌的居家老年人提供了一个倾诉的渠道，来自微信好友的安慰和鼓励可以让他们感受到温暖，帮助他们缓解甚至消除负面情绪。
　　（二）提高电子健康素养对老年人健康信息寻求有重要意义
　　研究结果表明，电子健康素养对城市老年人健康信息的媒体使用意向有显著的预测作用，这证实了老年人的电子健康素养对其在非正常环境下使用社交媒体寻求健康信息的特殊影响。正如Berkowsky和Czaja（2018）所指出的，查询和理解电子健康信息的能力影响着老年人使用互联网获取健康信息的意愿。特别是在新冠肺炎疫情这样的特殊情势下，相关健康信息激增，各种谣言也借助微信快速流传。面对微信上各式各样的健康信息，对于熟悉微信操作、具备评估健康知识能力的城市老年人而言，他们可以在微信上找到关于新冠肺炎的健康信息，并对其做出判断和应用。因此，从实践层面来看，良好的电子健康素养可以在一定程度上使老年人有基本技术操作能力，并提高他们的知识理解和信息评估能力，从而增加他们使用社交媒体寻求健康信息的意愿。据此，社会应重视城市老年人的电子健康素养教育，相关机构如老年中心、老年大学等针对老年人开展社交媒体技能培训、健康信息科普等活动，指导他们如何利用社交媒体检索在线健康信息，如何更好地判断健康信息和谣言，以便获得更多且有用的健康信息，更好地管理自身健康。这已经成为制定老年人健康干预计划、促进健康老龄化的重要一环，也是一个直指应用的基础课题（杨朝晖，兰晓霞，2018）。
　　（三）媒体特性之易用和可信是推动老年人使用社交媒体寻求健康信息的重要因素
　　与CMIS一致，社交媒体特性不仅通过使用意向这一中介影响了城市老年人的信息寻求行为，也对其实际的寻求行为有直接的预测作用。这与先前的研究结果一致，即如果老年人觉得互联网操作简单、信息源值得信任，他们就会表现出更大的使用意愿，或者直接采取行动（Wong et al.， 2014；Berkowsky & Czaja， 2018）。现在的城市老年人是习惯通过阅读报纸、观看电视获取信息的一代人，这种传统的信息搜索方式对他们而言容易且可靠，因此他们在使用社交媒体寻求新冠肺炎健康信息时，易用性和可信性也是重要标准。如果信息查询的操作难度大、信息真假难以分辨，便会降低其使用意愿，或者在尝试之后转向传统媒介上的健康信息。因此，在虚拟环境中传播健康类干预信息时，应该使用专业、可靠的社交媒体账户，引用专家或者国家卫健委的话语，以提高说服效果。而在易用性方面，以用户为中心的设计的核心理念是确保最终用户群体的可访问性（Chen et al.， 2016），因此社交媒体平台应该考虑年龄的友好设计，简化、明晰信息检索流程和微信公众号入口。
　　（四）电子健康素养和媒介特性对使用意向的影响在受教育程度上表现出显著差异
　　经过多群组分析发现：电子健康素养和媒介特性对使用意向的影响在受教育程度上表现出显著差异，即对于大学专科及以上的城市老年人来说，电子健康素养和媒介特性对其社交媒体使用意向的促进作用更大。Tennant等人（2015）就曾指出，受教育水平更高的老年人具备更好的电子健康素养。相对来说，他们更有能力在微信上定位、识别和应用新冠肺炎健康信息，这会提高他们使用社交媒体进行健康信息寻求的意向。并且，在具有更强学习能力的老年人看来，微信的操作较为简单、方便，他们也能找到值得信赖的信息源，因而使用社交媒体获取健康信息的可能性更高。值得注意的是，性别在自变量与因变量的关系上并没有表现出显著差异。原因可能在于，面对新冠肺炎这样严重的急性传染病，女性和男性关于社交媒体使用意愿和健康信息寻求的预测变量是一致的，这些因素共同推动着他们对健康信息的寻求，以便获得有用的信息，保护自己免受感染。
　　（五）信息寻求综合模型在不同情境下的变化
　　虽然CMIS提供了一个基本的因果结构，但不同的语境将在该结构内产生不同类型的关系，语境在信息寻求研究中具有重要性（Paek et al.，2017）。因此在研究中关注那些未得到支持的假设也十分有意义。本研究结果表明：直接经验、自我效能并不能显著影响健康信息的媒体使用意向。原因可能在于本研究所处的特殊背景，在此次突如其来的新冠肺炎疫情中，身体状况差、患有慢性病等基础性疾病的老年人是高危易发人群。在这种情况下，健康状况较差的老年人会直接向医生寻求更专业、更权威的健康信息，而不会把使用微信作为首要和最佳的选择。Johnson和Meischke（1993）也指出，直接经验是最弱的影响途径，它在不同的环境下可能会产生不同的效果。至于自我效能，新冠肺炎的主要预防手段为“勤洗手、少聚集、戴口罩”，城市老年人也会选择这些手段进行预防和健康管理。但是，面对传染性和严重性极强的新冠肺炎，特别是疫情初期新冠肺炎的“未知性”，人们更多地是感到一种无力感和不可控感，“我能行”的信念就很难发生作用。在这种情况下，自我效能与社交媒体使用意愿之间便不会有太大的联系了。
　　（六）研究限制与未来研究
　　尽管本研究通过使用较严格的统计程序和数据分析程序提出了发现，但仍存在一些局限。首先，虽然结构方程模型显示了一个影响的路径方向，但由于横截面的研究设计，变量之间的因果关系只能被推断出来。未来的研究应该使用纵向数据或实验来测试所提出的模型。其次，本研究扩展的CMIS作为一个主要检测中介效果的模型，没有设计关于所有自变量对因变量（使用行为）的影响路径，因而未能检验其直接效果，这不仅仅是本研究的缺憾，也是未来同类研究必须补缺的重要环节。再次，在老年人寻求新冠肺炎健康信息的渠道上，本研究只关注了调查对象区域的城市老年人对社交媒体上的使用，这使得我们无法将社交媒体用户的研究结果应用于整个中国老年人口。因此，为了增加研究的概括性，未来的研究应该包括其他老年群体，例如未使用社交媒体的老年群体或农村老年群体。最后，中国情境下的老年群体具有特殊的生理和心理需求，老年人关于新冠肺炎健康信息寻求现象背后还有很多细节值得探讨。因此，未来的研究可采用质化研究方法，更深入地观察、了解老年人的新冠肺炎健康信息寻求行为，深描老年人的生活世界、认知体验对其信息寻求行为的影响因素。■
　　
参考文献：
常李艳，华薇娜，刘婧，王雪芬，潘雪莲（2019）。社交网站（SNS）中在线社会支持的研究现状与趋势分析。《现代情报》，39（5），166-176。
贺建平，黄肖肖（2020）。城市老年人的智能手机使用与实现幸福感：基于代际支持理论和技术接受模型。《国际新闻界》，（3），49-73。
黄顺铭(2018)。虚拟社区里的知识分享：基于两个竞争性计划行为理论模型的分析。《新闻与传播研究》，（6），52-76+127。
贾哲敏，孟天广（2020）。信息为轴：新冠病毒疫情期间的媒介使用、信息需求及媒介信任度。《电子政务》，209（5），14-27。
今日头条（2020）。5月1日全国疫情最新数据：新增确诊新冠肺炎病例12例。检索于http://www.zuowen.biz/news/zhongguo/2946.html。
李航，曾若湘（2019）。北京市居民甲型H1N1流感认知调查。《中国公共卫生》，26（4），394-395。
廖韦淳，邱立安，岳修平（2012）。乡村地区老年人健康资讯需求与寻求行为之研究。《图书资讯学刊》，10（1），155-204。
牛玉柏，郝泽生，王任振，洪芳（2019）。老年人乐观、领悟社会支持与主观幸福感的关系——控制策略的中介作用。《心理发展与教育》，35（2），227-235。
苏红，周郁秋，王丽娜，王秘（2018）。城市空巢与非空巢老年人孤独感状况及影响因素。《中国老年学杂志》，38（15），3782-3785。
孙薇薇，石丹妮（2020）。社会支持的影响机制与农村老年心理健康。《社会学评论》，8（4），77-87。
王晰巍，李嘉兴，王铎，韦亚楠（2019）。移动社交媒体老年用户抵制行为影响因素研究：基于人—系统交互理论视角的分析。《情报资料工作》，40（1），81-88。
魏然，周树华，罗文辉（2016）。《媒介效果与社会变迁》。北京：中国人民大学出版社。
魏魏，乐嘉宜，马龙飞，王徐玲，陆媛（2020）。上海市中心城区老年慢性病患者微信使用情况调查研究。《中国全科医学》，23（11），1416-1420。
杨菊华，王苏苏，刘轶锋（2019）。新中国70年：人口老龄化发展趋势分析。《中国人口科学》，（4），30-42+126。
杨朝晖，兰晓霞（2018）。老年人电子健康素养研究进展及思考。《中国健康教育》，34（11），1023-1026。
赵栋祥，马费成，张奇萍（2019）。老年人健康信息搜寻行为的现象学研究。《情报学报》，38（12），1320-1328。
张高洁（2019）。老年人微信使用意向实证研究——以河北省邢台市为例。《文化与传播》，8（3），94-102。
中华人民共和国国家卫生健康委员会（2020）。本次疫情的危重症患者中老年人居多，死亡率高，特殊阶段，老年人应如何安排膳食？检索于http://www.nhc.gov.cn/xcs/nwwd/202002/fe8cdb80f366431b99843e02a9a1bd2c.shtml。
中华人民共和国国家卫生健康委员会宣传司（2020）。2020年5月16日新闻发布会文字实录。检索于http://www.nhc.gov.cn/xcs/s3574/202005/e78dfc196504497586f324f0d9a5bc36.shtml。
中新网（2020）。白皮书：中国抗击疫情的艰辛历程分为五个阶段。检索于https://www.chinanews.com/gn/2020/06-07/9205498.shtml。
Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84139-161.
Basnyat, I.Nekmat, E.JiangS.& LinJ. (2018). Applying the modified comprehensive model of information seeking to online health information seeking in the context of India. Journal of Health Communication23(6)563-572.
Berkowsky, R. W. & CzajaS. J. (2018). Challenges associated with online health information seeking among older adults. Aging Technology and Health, 32-48DOI: 10.1016/B978-0-12-811272-4.00002-6.
ChenJ.HouX. & Zhao, W. (2016). Research on the model of consumer health information seeking behavior via social media. International Journal of Communications Network and System Sciences, 9(8)326-337.
Claridy, M. D.Hudson, M. M.Caplan, L.MitbyP. A.Leisenring, W. & SmithS. A.et al. (2018). Patterns of internet-based health information seeking in adult survivors of childhood cancer. Pediatric Blood & Cancer, 65(15)e26954.
CobbS. (1976). Social support as a moderator of life stress. Psychosom Medicine, 38(5)300-314.
Delorme, D. E.HuhJ. & Reid, L. N. (2011). Source selection in prescription drug information seeking and influencing factors: Applying the comprehensive model of information seeking in an American context. Journal of Health Communication16(7)766-787.
DengZ.& Li, S. (2017). Understanding consumer health information-seeking behavior from the perspective of the risk perception attitude framework and social support in mobile social media websites. International Journal of Medical Informatics10598-109.
GoE.& YouK. H. (2018). Health-related online information seeking and behavioral outcomes: Fatalism and self-efficacy as mediators. Social Behavior and Personality An International Journal46(5)871-880.
HairJ. F.Sarstedt, M.Ringle, C. M. & Mena, J. A. (2012). An assessment of the use of partial least squares structural equation modeling in marketing research. Journal of the Academy of Marketing Science40414-433.
Han, J. Y.Wise, M.KimE.PingreeR.HawkinsR. P. & PingreeS.et al. (2010). Factors associated with use of interactive cancer communication system: An application of the comprehensive model of information seeking. Journal of Computer-Mediated Communication15(3)367-388.
HartoonianN.OrmsethS. R.Hanson, E. R.Bantum, E. O. & Owen, J. E. (2014). Information-seeking in cancer survivors: Application of the comprehensive model of information seeking to hints 2007 data. Journal of Health Communication19(11)1308-1325.
HetherH. J.Murphy, S. T. & ValenteT. W. (2014). It’s better to give than to receive: The role of social supporttrustand participation on health-related social networking sites. Journal of Health Communication19(12)1424-1439.
Jan, W.Crotty, B. H.O’Brien Jacqueline, Dierks, M. M.LewisL.& CharlesS. (2016). Addressing the challenges of aging: How elders and their care partners seek information. The Gerontologist57(5)1-8.
Johnson, J. D.& Meischke, H. (1993). A comprehensive model of cancer-related information seeking applied to magazines. Human Communication Research, 19(3)343-367.
Johnson, J. D.AndrewsJ. E. & Allard, S. (2001). A model for understanding and affecting cancer genetics information seeking. Library & Information Science Research, 23(4)335-349.
KingC. L.Chow, M. Y. K.WileyK. E. & LeaskJ. (2018). Much ado about flu: A mixed methods study of parental perceptionstrust and information seeking in a pandemic. Influenza and Other Respiratory Viruses12514-521.
Lee, S. Y.HwangH.HawkinsR. & PingreeS. (2008). Interplay of negative emotion and health self-efficacy on the use of health information and its outcomes. Communication Research, 35(3)358-381.
LiJ.ThengY. L. & FooS. (2015). Predictors of online health information seeking behavior: Changes between 2002 and 2012. Health Informatics Journal22(4)804-814.
LiY.Wang, X.LinX. & HajliM. (2016). Seeking and sharing health information on social media: A net valence model and cross-cultural comparison. Technological Forecasting and Social Change, 12628-40.
Liu, M.Yang, Y. & SunY. (2018). Exploring health information sharing behavior among Chinese older adults: A social support perspective. Health Communication34(4)1-9.
ManafoE. & Wong, S. (2012). Exploring older adults' health information seeking behaviors. Journal of Nutrition Education and Behavior, 44(1)85-89.
MatilainenS.Schwartz, D. G. & Zeleznikow, J. (2016). Facebook and the elderly: The benefits of social media adoption for aged care facility residents. Lecture Notes in Business Information Processing, 274127-139.
Neter, E. & BraininE. (2012). Ehealth literacy: Extending the digital divide to the realm of health information. Journal of Medical Internet Research, 14(1)e19.
OhH. J.Lauckner, C.BoehmerJ.Fewins-Bliss, R. & Li, K. (2013). Facebooking for health: An examination into the solicitation and effects of health-related social support on social networking sites. Computers in Human Behavior, 29(5)2072-2080.
OhY. S. (2016). Predictors of online health information seeking behavior and health information seeking experience of elderly cancer survivors using the internet. Cleveland: Case Western Reserve University Press.
PaekH. J.Choi, M. & Hove, T. (2017). Intention to view health TV programs in South Korea. Journalism & Mass Communication Quarterly94(2)526-551.
ParidaV.MostaghelR. & Oghazi, P. (2016). Factors for elderly use of social media for health-related activities: Elderly use of social media. Psychology and Marketing33(12)1134-1141.
RuppelE. K. (2016). Scanning health information sources: Applying and extending the comprehensive model of information seeking. Journal of Health Communication21(2)208-216.
Sheng, X. & SimpsonP. M. (2015). Health care information seeking and seniors: Determinants of internet use. Health Marketing Quarterly32(1)96-112.
Tennant, B. L. (2013). Ehealth literacy and social media use for health information among older adults. Gainesville: University of Florida Press.
Tennant, B.Stellefson, M.Dodd, V.Chaney, B. & AlberJ. (2015). Ehealth literacy and web 2.0 health information seeking behaviors among baby boomers and older adults. Journal of Medical Internet Research, 17(3)e70.
Thackeray, R.CrookstonB. T. & West, J. H. (2013). Correlates of health-related social media use among adults. Journal of Medical Internet Research, 15(1)e21.
UrbachN. & Ahlemann, F. (2010). Structural equation modeling in information systems research using partial least squares. Journal of Information Technology Theory and Application11(2)5-40.
WalterD.Bohmer, M.Reiter, S.Krause, G. & Wichmann, O. (2012). Risk perception and information-seeking behaviour during the 2009/10 influenza a (H1N1)pdm09 pandemic in Germany. European Communicable Disease Bulletin, 17(13)1-8.
Wellman, B.Salaff, J.DimitrovaD.Garton, L.GuliaM. & HaythornthwaiteC. (1996). Computer networks as social networks: Collaborative work, telework, and virtual community. Annual Review of Sociology2213-238.
WongC. K.YeungD. Y.Ho, H. C.TseK. P. & LamC. Y. (2014). Chinese older adults internet use for health information. Journal of Applied Gerontology33(3)316-335.
YangQ. & Wu, S. (2019). How social media exposure to health information influences Chinese people’s health protective behavior during air pollution: A theory of planned behavior perspectiveHealth CommunicationDOI: 10.1080/10410236.2019.1692486.
YangQ. & Wu, S. (2020). Air pollution in China: Health information seeking and protective behaviors. Health Promotion International1-12DOI: 10.1093/heapro/daaa017.
　　
贺建平系西南政法大学新闻传播学院教授，杜宝珠系西南政法大学新闻传播学院硕士研究生，黄肖肖系西南政法大学新闻传播学院博士研究生。感谢匿名评审专家的宝贵建议，使我们能够更加深刻地思考该模型的价值和意义。