■何艺璇 闫文捷
　　【本文提要】社交媒体的兴起赋予普通人分享和传递信息的权利。但如今，真假健康信息在社交媒体鱼龙混杂，受众暴露在充斥着此类信息的网络环境之中。同时，人们作为传播者也对健康信息的传播环境产生切实的影响。本文从个人知识层面的健康素养和分析性思维出发，通过网络问卷调查（N=3435）考察人们对于真假健康信息的辨别力及其分享意愿。研究结果显示，个人的健康常识及分析性思维水平能够影响他们对于真伪健康信息的辨别力；在此基础上，人们对健康信息真伪的辨别力越低，对健康信息的感知准确度越高，则越倾向于向他人转发分享该信息。本研究对于从个人层面着手改善健康信息传播环境具有启迪意义。
　　【关键词】虚假健康信息 社交媒体 健康素养 分析性思维
　　【中图分类号】G206
　　随着移动互联网的普及，社交媒体在人们的日常生活中扮演日益重要的角色，成为社会交往的一部分。社交媒体的兴起不仅改变着人们相互连结的方式，也给所有与信息相关的行为带来新的机遇和挑战。社交媒体中的信息总量大，信息发布和共享的难度低，信息传播广泛而迅速。使用者成为社交媒体的中心，其身份不再仅仅是受众，同时也是信息的传播者甚至生产者，个体在传播信息时无须进行事实核查，信源的不确定性增强，虚假信息由此得以迅速发酵和扩散。
　　由于缺少明确的界定与辨析，虚假信息和谣言等概念常被混用。美国心理学研究者尼古拉斯·迪方佐等人将谣言（rumor）定义为流传中未经证实的表述（unverified statements in circulation），也就是说，谣言有可能是真实的，当谣言被证伪时便构成虚假信息（DiFonzo， Robinson， Suls & Rini， 2012）。虚假信息可被进一步区分为两种形态：一是误导信息（disinformation），即传播者故意编造散布的信息；二是失实信息（misinformation），即被传播者误报、误传的信息（Lazer et al.， 2018）。本文关注的对象是事实有误的健康类虚假信息，因此我们在文中以事实性为基本依据，将虚假信息定义为经专业人士与机构核查，存在事实性错误的信息。
　　虚假信息和真实信息总是相伴而生（Lazer et al.， 2018），可能分布于不同的社会领域。例如，在中央网信办主办的信息核查网站上（www.piyao.org.cn），虚假信息被分为政治、社会、文化、健康、食品、科学等六大类。仅2019年一年，健康类虚假信息便以百余条的数量高居榜首。可见，在中文互联网环境中，健康类虚假信息纷繁复杂数量众多。健康信息往往与个人利益息息相关，很难彻底杜绝其传播和扩散。虚假的健康信息一旦被接受，不但影响个人的生命安全，甚至会造成不必要的社会恐慌（Chua & Banerjee， 2017）。
　　在社交媒体时代，个人处于信息传播的中心位置，是减少虚假信息传播的关键一环（Zubiaga & Ji， 2014）。提高个人对于有效健康信息的获取和利用效率，同时也是提升公众健康素养及健康水平的必然要求。但就目前国内已有的研究来看，从个人层面出发探讨人们对于真假信息辨别和传播的内容较少，更多的研究者将考察重点放在传播环境上（马天娇，2017；曾祥敏，王孜，2019）。国外已有一些研究关注到个人特质对于虚假信息判断和分享的影响，比如有研究发现知识层面健康素养水平高的人能够更为有效地判别健康信息（Diviani， Putte， Giani & Weert， 2015），同时个人的分析性思维能力和认知反应水平有助于提高人们对于真假信息的辨别力（Pennycook & Rand， 2020）。
　　综上，本文尝试探究个人特质对于真伪健康信息辨别力及信息分享意愿的影响。首先，健康素养作为多维度概念，包括个人的健康知识水平、健康信息获取能力等方面。目前，健康素养概念的内部维度边界模糊，本文着重探讨公民健康常识水平对于个人进行健康信息甄别的影响。其次，本文承接前人对于分析性思维的研究，考察个人的分析性思维能力和认知反应水平对健康信息辨别的影响。再次，能否对社交媒体中的真伪信息进行正确的辨别，会影响个人是否对相关信息进行转发或分享（Pennycook & Rand， 2019），本文在讨论健康信息辨别的基础上，进一步剖析人们对于健康信息的分享意愿，以期为健康信息传播环境治理与优化带来相关的理论与实践启示。
　　
一、文献综述
　　（一）健康常识与健康信息辨别
　　随着生物科学和医疗技术的不断发展，人们对个人健康水平的关注日益增长，而健康素养（health literacy）是影响个人健康水平的重要因素（Saeed， Saleem， Naeem， Shahzadi & Islam， 2018； McDonald & Shenkman， 2018）。1974年，美国公共健康学研究者斯科特·西蒙兹最早提出健康素养这一概念，意在呼吁美国所有学校、所有年级的学生都要接受基本的健康教育（Simonds， 1974）。
　　健康素养研究初期，帕克等学者将这一概念定义为与健康相关的识读和计算能力（Parker， Baker， Williams & Nurss， 1995；Williams et al.，1995）。随着健康素养研究不断深入，健康素养概念的内部维度不断丰富，包括在与健康相关的语境中获取、处理和理解信息的能力，修辞话语、网络技术等具体技能的掌握等（Berkman， Davis & McCormack， 2010）。
　　目前的研究对于这些维度间的定义和相互关系都不明确，健康素养概念也存在模糊、混用等问题。例如，有研究表明，健康素养水平较低的人更倾向于依赖单一的信息来源（Greene， Hibbard & Tusler， 2005），搜索健康信息的频率更低（Shieh， Mays， McDaniel & Yu， 2009； Von Wagner， Semmler， Good & Wardle， 2009； Papadakos et al.， 2018），而在这几项研究中，健康素养的测量依靠S-TOFHLA量表，根据S-TOFHLA量表的操作化定义，此处的健康素养实际指代健康识读能力。
　　尽管健康素养内部维度的划分尚未有统一的标准，但总体来说，根据张士靖的研究，健康素养可被划分为两个层面：知识层面，即基本的健康知识与技能；能力层面，即健康信息素养，其内涵是指认识到健康信息需求，熟悉可能的信息源并应用它们来检索相关信息（张士靖，杜建，2010）。详细铺陈健康素养概念的流变已超出本文的研究范畴。我们借鉴上述研究对于健康素养概念的维度区分，将知识层面的健康素养抽离出来进行单独讨论，探讨知识层面和能力层面健康素养之间的关系，也即人们对于健康常识的掌握程度与健康信息辨别力的关系。这种讨论在一定程度上有助于更好地理解健康素养内部构成的逻辑，并为提高公众整体的健康素养水平提供学理和实践上的支持。
　　有学者曾从健康常识与健康信息辨别力的关系角度入手进行研究，他们得出的结论是，在互联网环境下，知识层面健康素养水平较高的公众能够更好地理解网络健康信息，从而不易被虚假错误信息所迷惑；而知识层面健康素养水平较低的人们不仅更容易轻信网上的健康信息，同时对于这些信息的准确性更加难以作出判断（Diviani， Putte， Giani & Weert， 2015）。至此，本文提出第一个研究假设：
　　H1：个人的健康常识水平越高，对于健康信息真伪的辨别能力越强。
　　（二）分析性思维与健康信息辨别
　　一直以来，哲学和心理学研究普遍认为人们具有两种不同的思维模式（Evans， 2003）。社会心理学研究就此发展出诸多双过程模型（dual-process models）（Smith & Collins， 2009）。双过程模型最初被提出是为了解释个别领域的具体现象，如个体在接收到说服性信息（广告、公共政策）后对其进行加工和处理的心理过程，其中影响力较大的双过程模型包括理查德·派蒂与约翰·卡乔波（Petty & Cacioppo， 1981）提出的详尽可能性模型（Elaboration Likelihood Model， ELM），以及雪莱·查艾肯（Chaiken， 1980）提出的启发式系统模型（Heuristic Systematic Model， HSM）。①
　　面对众多针对特定议题的模型，研究者开始思考如何整合以形成更为广泛适用的双过程模型。有学者提出，人们之所以在信息处理时呈现出双重模式，究其根本是因为人类具有彼此独立的两套记忆系统：一个基于慢速学习，一个基于快速学习，两者分别呈现不同的思维模式（McClelland， McNaughton & O’Reilly， 1995）。在这样的结构性基础之上，众多双过程模型被整合进一个共同的分析框架（Smith & DeCoster， 2000； Strack & Deutsch， 2004）。
　　双过程模型与本文研究的相关之处在于它区分了个体的双重思维模式。也就是说，无论双过程模型的研究者使用何种具体的称谓，他们都倾向于认同：人们对于信息的加工可分为自主且直觉的过程（autonomous， intuitive processes）（类型1）和审慎且分析的过程（deliberative， analytic processes）（类型2）两类（Pennycook & Rand， 2019）。类型1的思维过程快速、高容量且能够并联运行，而类型2的思维过程则速度较慢，对资源的需求程度更高且只能串联运行（Evans & Stanovich， 2013）。恰如大量认知与社会心理学研究所显示，人类是认知吝啬者（cognitive miser； Stanovich， 2004），这表现为人们往往倾向于依赖直觉等认知捷径来处理信息，以减少认知过程中所需花费的精力。相比之下，分析性思维过程需要调用个人一系列复杂的认知能力，例如计算能力、言语智力等，体现了人们的理性思考（Stanovich， 2004）。人们在一定程度上能够灵活把握思考的深度，在两类思维模式之间实现转换（Pennycook， Fugelsang & Koehler， 2015）。
　　近些年，研究者注意到分析性思维可能增强人们对“可疑信念的怀疑程度”（skepticism about epistemically suspect beliefs）（Pennycook & Rand， 2019）。比如，经验研究显示，分析性思维能力较强的人对宗教和超自然现象持有更加怀疑的态度（Shenhav， Rand & Greene， 2012），更倾向于接受进化论而非神创论 （Gervais， 2015）；相反，分析性思维较弱、直觉性思维较强的人则更容易相信阴谋论（Swami， Voracek， Stieger， Tran & Furnham， 2014）。在有关假新闻扩散的研究中，研究者观察到分析性思维能力强的人能够更好地辨认出那些看似真实有意义但实际上空洞无物的“伪深刻废话”（pseudo-profound bullshit），同时能够更准确地辨别政治假新闻（Pennycook & Rand， 2020）。从这些研究结果中，我们可以看到分析性思维能够显著影响人们对于众多不同类型的可疑信念的怀疑程度。据此，本文提出如下研究假设：
　　H2：个人的分析性思维强度越高，对于健康信息真伪的辨别能力越强。
　　（三）健康信息的感知与分享
　　社交媒体的广泛普及对社会交往和公共话语的生成与传递影响显著，个人可以在社交网络中更加轻松地与他人分享信息、完成社会协作。诸多研究显示，人们经由社交媒体分享的信息多样，而这样的信息分享行为受到多方面因素的共同影响。例如，与中性推文相比，情绪化的信息被转发的频率往往更高，速度更快（Stieglitz & Dang-Xuan， 2013）；对社会资本的感知会影响个人的转发行为，人们会首先判断自己与内容发布者的关系，再根据人情交换规则来决定是否转发医疗众筹信息（李静，杨晓冬，2018）。
　　本文从社交媒体使用者的特征出发，研究个人感知的信息准确度是否会影响其分享健康信息的行为意愿。
　　行为心理学的研究表明，人们不仅倾向于接受与自己的信念、期望、态度或决定相一致的信息（Nickerson， 1998），还会主动搜索与其原有观点和偏好一致的信息（Hart et al.， 2009），同时在群体讨论过程中，人们更倾向与其他成员分享与个人偏好一致的信息，而较少分享偏好不一致的信息（Dennis， 1996； Schulz-Hardt， Brodbeck， Mojzisch， Kerschreiter & Frey， 2006）。社交网络使得平台内的每一个使用者都能与更广泛的人群分享个人观点和信息，与线下互动一样，人们倾向于和他人分享与其自身立场一致的信息。也就是说，在社交网络空间内，人们分享自己高度认同的信息的倾向并没有改变。比如，近期一项有关社交媒体上的政治虚假信息传播的研究表明，人们在社交媒体平台上更愿意转发那些他们自认为真实可信的信息，而这些信息本身客观上未必是真实的（Pennycook & Rand， 2019）。根据以上研究，本文提出最后一项研究假设：
　　H3：人们感知的健康信息的准确度越高，对该信息的分享意愿越高。
　　
二、研究方法
　　（一）样本与研究流程
　　为了验证本文提出的研究假设，本研究采用了网络问卷调查的方法。
　　在开始正式的数据收集之前，本研究于2019年3月20日至3月24日期间进行了两次前测，分别用于筛选真伪健康信息议题及健康常识题目。旨在筛选真伪健康信息议题的前测从微信小程序“微信辟谣助手”数据库及新华网、人民网等官方网站共选取23条信息，涵盖雾霾、疫苗、艾滋病、转基因、癌症等议题。前测在医学专业本科生群体中进行，共回收86份有效问卷。由于雾霾议题更接近环境领域的讨论话题，癌症议题多关于某食物致癌或防癌，内容较单一，因此这两项话题未被纳入最终的议题列表。由于专业的原因，医学专业的学生对于健康信息的准确性判断更为敏锐，同时，考虑答题时间不宜过长，我们选取了前测中每项议题回答正确率较高的真假信息各一条，将其纳入最终的问卷调查。
　　另一方面，健康常识测量基于中国大陆《2016年全国居民健康素养监测调查问卷》，②该量表原始题目较多，在正式收集问卷调查数据前，我们在具有医学背景的被访者中进行了另一次小规模的前测（N=74）。前测共包含10道选择题和26道单项选择题。根据前测结果剔除了问卷中倾向公共政策的问题，例如“全国统一的免费卫生热线电话号码是”，同时剔除了题干中反向询问的问题，例如“关于自测血压的说法，错误的是”。由于大部分题目正确率较高（55.6%的题目正确率高于80%），为了提高题目的区分度，正式问卷中选择了剔除部分问题后正确率最低的4道判断题和8道单项选择题。
　　在两次前测结果的基础上，本研究的正式调查采用非概率抽样的方法，于2019年4月9日至4月19日期间通过分享链接、二维码等形式在微博、微信等主要社交媒体平台同时发布，被访者自愿无偿填答，共收集有效问卷3496份。在初步的数据质量考核中，被访者年龄低于16周岁（共计45份）和答卷时间低于5分钟（共计17份）的答卷被删除，最终得到的有效样本量为3435人。被访者平均年龄23.8岁（SD=5.78），男性252人（占7.3%），女性3161人。③样本主要的人口统计学特征如（表1　表1见本期第76页）所示。
　　（二）变量的测量
　　1.因变量
　　信息真伪辨别力。作为本文的核心变量，对健康信息真伪的辨别体现了被访者对于信息真实性的判断能力。本文参照彭尼库克等人（Pennycook & Rand， 2019）和里德（Leeder， 2019）对真假信息的选取原则对信息真伪辨别力进行测量。问卷中共设置了六条健康信息，其中三条为真实信息，另外三条为虚假信息。六条信息在问卷中以随机的顺序显示。为使本研究所讨论的健康议题更具普适性，研究进行了前测以挑选更受公众关注和更具代表性的健康议题，并在正式测量中涵盖三项议题，以避免话题单一带来的偏差。研究中涉及的三项议题分别为转基因、艾滋病以及人类乳头瘤病毒（HPV）疫苗。每个议题设一真一假两条信息。真实的信息来自新华网、人民网等官方信源。虚假的信息选自微信小程序“微信辟谣助手”数据库。健康信息在问卷中以统一形式呈现，各自包含一个标题和一段描述性文字。标题保留原始信息标题，描述性文字大体上出自原始信息的首段内容。每条信息的长度相当，约为140字。
　　被访者采用4点量表（1=完全不准确，4=完全准确）对信息的准确性作出判断。我们先对虚假信息的选项进行反向编码（即1=完全准确，4=完全不准确），再对六个指标变量取均值，得到健康信息真伪辨别力的综合指数，得分越高表示被访者的信息辨别力越高（M=2.84， SD=0.32）。
　　信息分享意愿。针对每条健康信息，除了辨别其真伪，被访者还被问及是否会考虑通过微信朋友圈、QQ空间、微博等社交媒体与亲人朋友分享该信息。借用彭尼库克等人采取的测量方式（Pennycook & Rand， 2019），我们要求被访者在“会、不会、也许、我永远不会在社交媒体分享健康相关的东西”四个选项之间作出选择。在数据处理时，选项“会”被重新编码为1，“也许”被编为0.5，“不会”被编为0，而选项“我永远不会在社交媒体分享健康相关的东西”作为缺省值从分析中剔除。在此基础上，六项分数取均值，得到被访者对于健康信息的分享意愿指数（M=0.30， SD=0.26， α=0.84）。
　　2.自变量
　　健康常识。健康常识测量基于中国大陆《2016年全国居民健康素养监测调查问卷》。针对健康素养的测量远远落后于健康素养概念化本身的发展速度（Berkman， Davis & McCormack， 2010）。这份题为“健康素养监测”的问卷实则主体上均是关于健康知识的测量，并未纳入对于健康素养能力的考察。因此，本文借用此问卷量表来测量受访者的健康常识水平。被访者答题正确计1分，答题错误或选择不确定计0分，12项得分相加得到被访者健康常识水平的综合指数（M=9.37， SD=1.66）。
　　分析性思维。已有研究中对分析性思维的测量存在客观检验和主观测评两种方式。首先，作为一项检测工具，“认知反应测试”（Cognitive Reflection Test， CRT）被研究者证实可用于测量人们实际的分析性思维水平（Campitelli & Gerrans， 2014）。早期的CRT测试（Frederick， 2005）包含三个题目，均与数学计算相关，例如，“球棒和球的总价为1.10元，球棒的价格比球多1.00元。球几元？”分析后的答案为0.05，而直觉性的答案为0.1。在答题过程中，只有经过理性分析，人们才能超越直觉得出正确答案（Gervais， 2015）。如果被访者提供的是分析性答案，得1分，提供其他答案得0分，三项分数相加，得到的是分析性思维的综合指数（M=1.71， SD=1.08）。与此相对应，我们将直觉性答案赋值为1，其他答案赋值为0，取三项得分之和，由此得到一个直觉性思维的指数（M=0.62， SD=0.84）。
　　其次，研究者还经常使用“理性/经验多模态列表”（Rational / Experiential Multimodal Inventory， REIm），通过主观自评的方式对人们的分析性思维倾向进行测量（Norris & Epstein， 2011）。完整的REIm量表包括分析思维方式、直觉、情绪、想象四个子量表，本文选取其中测量分析思维方式的12项指标变量。被访者用5点量表（1=不同意，5=同意）表示他们对如下一些陈述的态度：“我乐于遇见需要复杂思考的问题”，“我不太善于解决需要严密逻辑分析的问题”，“我喜欢智力挑战”等，12个题项的均值构成了分析性思维的自评指标（M=3.21， SD=0.57， α=0.78）。
　　信息的感知准确度。在预测人们的分享意愿时，本研究将人们感知的健康信息准确程度纳入考量。如前文有关“信息真伪辨别力”的测量中所述，对于每条健康信息，被访者需要对其准确程度作出判断（1=完全不准确，4=完全准确）。我们同样运用这组问题，采取了与上文略微不同的数据处理方式：将被访者针对六条信息准确度的判断直接取均值，由此得到人们对于健康信息准确度的主观感知指数（M=2.49， SD=0.33）。
　　3.控制变量
　　社交媒体使用。社交媒介使用度高的人更倾向于从社交媒体获取并发布信息。本研究在埃里森等人（Ellison， Steinfield & Lampe， 2007）编制的社交网络使用量表的基础上，测量了被访者社交媒体日平均使用时间（1=少于10分钟，7=4小时以上，M=5.70，SD=1.33）和依赖度。依赖度的测量通过询问被访者对以下六项陈述的同意程度得到（1=不同意，5=同意）：1）上社交媒体网站是我日常活动的一部分；2）我很骄傲告诉别人自己在使用社交媒体；3）使用社交媒体已经成了我日常习惯；4）我感觉自己是社交媒体社区中的一员；5）如果我有一段时间没有使用社交媒体，我会感到和他人失去联系；6）如果社交媒体关闭了，我会感到遗憾。六个题项的均值构成了社交媒体依赖度的综合指数（M=3.93， SD=0.70， α=0.78）。
　　信息熟悉程度。被访者还就上文中所提到的六条健康信息回答了如下问题：“您以前看过或听说过这条信息吗？”（1=是，0=否或不确定），将六个题项值相加，得分越高表示被访者对于所列信息的熟悉程度越高（M=1.61， SD=1.21）。
　　健康状况自评。被访者用5点量表（1=很不健康，5=很健康）对自身整体的健康状况作出自评（M=3.50， SD=1.14）。
　　人口统计变量。人口统计因素主要包括被访者的性别（男=0，女=1）、年龄、受教育程度（1=不识字或识字很少，2=小学，3=初中，4=高中/职高/中专，5=大专/本科，6=硕士，7=博士及以上）、家庭年收入（1=5000元以下，2=5000元-1万元，3=1-3万元，4=3-8万元，5=8-15万元，6=15-40万元，7=40-80万元，8=80-200万元，9=200-500万元，10=500万元以上）、职业④（学生=1，其他=0）、婚姻状况（未婚、离异或丧偶=1，已婚=2）。
　　（三）统计分析方法
　　在统计分析上，本文采用分层线性回归（Hierarchical Linear Regression）的方法预测了个人特征对于健康信息真伪辨别力以及分享意愿的影响。第一组模型中的因变量为健康信息真伪辨别力。按照变量之间的逻辑递进关系，自变量被分为三个模块。模块一包括基本的人口统计变量，模块二包括被访者的社交媒体使用与健康信息获取，模块三则包含了本文的核心自变量，即个人的健康常识水平和分析性思维。
　　其次，在估测被访者对于健康信息的分享意愿时，我们在保留了第一组模型中的核心自变量和控制变量的基础上，将其中的因变量，即被访者对健康信息真伪的辨别力，以及他们对于健康信息准确度的感知作为新增的自变量纳入模型。通过在回归模型中同时纳入这两个新的自变量，我们希望考察人们对于信息真伪的真实判别力和主观感知水平在控制了彼此的效果后，各自如何影响人们对于健康信息的分享意愿。
　　
三、结果
　　（一）描述性分析
　　在开始正式检验本文的研究假设之前，我们对被访者在核心自变量和因变量上的整体表现作出基本描述，具体包括健康常识水平、分析性思维、信息真伪辨别力和分享意愿。
　　首先，在健康常识水平方面，答对全部12道健康常识问题的被访者人数占到总样本量的6.9%（n=236），26.6%的被访者（n=913）答对了八成以上的题目，94.1%的参与者（n=3232）答对了半数以上的题目。
　　在分析性思维方面，本文同时采用客观测试（CRT）和主观自评（REIm）两种方式对人们的分析性思维水平进行测量。总体而言，被访者的分析性思维能力较强，30.3% 的被访者（n=1040）在CRT测试的三道题中均给出了分析性的答案。这一客观测试水平与被访者通过REIm主观测评的分析性思维水平显著正相关（r=0.342， p<0.01）。这些结果为我们在分析性思维这一变量上的测量效度提供了佐证。
　　因变量方面，被访者对真伪健康信息的辨别力较强，平均值达到2.84（值域=[1，4]， SD=0.32）。对于不同议题的信息真伪辨别力由强到弱依次为HPV疫苗信息（M=3.08， SD=0.47）、艾滋病或HIV信息（M=2.76， SD=0.46）、转基因信息（M=2.69， SD=0.46）。值得注意的是，总体而言，被访者对于真实信息的感知准确度（M=2.84， SD=0.45）显著高于对虚假信息的感知准确度（M=2.15， SD=0.47， t=63.68， df=3434， p<0.001），这表明总体上人们对健康信息真伪度的实际辨别力和主观感知之间是正相关的。
　　从分享意愿来看，被访者对于健康信息的分享意愿普遍较低，18.4%的被访者（n=632）至少选择了一次“我永远不会在社交媒体分享健康相关的东西”。在将这部分数据作为缺省值处理后， 被访者的分享意愿仍然不高（值域=[0，1]， M=0.30， SD=0.26）。具体到三项健康议题，分享意愿依次为HPV疫苗信息（M=0.36， SD=0.30）、艾滋病或HIV信息（M=0.28， SD=0.30）、转基因信息（M=0.25， SD=0.29）。另一方面，被访者对于真假信息的分享意愿存在显著差异：人们对真实信息的分享意愿（M=0.38， SD=0.30）显著高于对虚假信息的分享意愿（M=0.22， SD=0.27， t=35.56， df=3034， p<0.001）。
　　（二）个人特征对健康信息真伪辨别力的影响
　　在以上初步分析的基础上，我们转向检验本文的研究假设。首先，本文考察个人的健康常识和分析性思维水平在何种程度上会影响人们对于健康信息真伪度的辨别。为此，我们估测了第一组线性回归模型。表2呈现了模型的估测结果。在这一组模型中，模型3中的健康常识、分析性思维和思维模式自评是我们重点关注的变量。
　　先来看模型的拟合度，人口统计变量（模型1）与社交媒体使用和信息获取（模型2）对健康信息辨别力的解释力分别为4%和5%；当加入健康常识和分析性思维后（模型3），模型总体上可以解释健康信息辨别力13.7%的方差，和数据的拟合程度较为理想。
　　结果显示，人们对于健康信息的辨别呈现出一定的群体间差异，年轻（β=-0.06， p<0.05）、受教育程度高（β=0.10， p<0.001）、家庭年收入较高（β=0.04， p<0.05）的被访者对于健康信息始终呈现出更高的辨别力。在控制了健康常识和分析性思维水平后，学生身份对于健康信息辨别力的负面影响更为显著（β=-0.06， p<0.01），相反，被访者的健康自评不再具有统计显著的预测力（β=.03， ns）。在社交媒体使用方面，每天在社交媒体花费时间越多的被访者对健康信息真伪度的辨别能力越弱（β=-0.06， p<0.01），而对社交媒体依赖度较高的人则相对拥有更好的辨别能力（β=0.04， p<0.05）。就健康信息本身来看，人们对于健康信息的了解程度显著提升了其对于健康信息的辨别力（β=0.18， p<0.001）。
　　健康常识和分析性思维水平是本文着重考察的个体层面的影响因素。表2中的数据显示，在控制了以上所有自变量对信息辨别的效果后，两者仍旧对健康信息真伪度的辨别力具有显著的正向影响：掌握更多健康知识的人更有可能对信息的真伪作出正确的辨别（β=0.10， p<0.001）；而无论是通过CRT量表测量或是经由被访者自评，分析性思维都对健康信息真伪度的辨别力具有显著的正面影响（CRT指标：β=0.14， p<0.001； REIm指标：β=0.09， p<0.001）。标准化回归系数显示，由CRT检测反应出的分析性思维的实际水平对信息辨别力的预测力更为显著。至此，本文的研究假设H1和H2均得到支持。
　　值得一提的是，虽然不在本文的研究假设之列，作为补充性分析，我们针对三个健康议题分别估测了一组OLS线性回归模型（结果未在文中显示）。结果显示，人们对于不同议题信息的真伪度辨别受不同因素的影响，且影响的程度不同，例如，就人们主观评估的思维模式倾向而言，其对转基因（β=0.05， p<0.01）或艾滋病/HIV信息（β=0.05， p<0.05）真伪辨别力的影响不如有关HPV疫苗信息的显著（β=0.08， p<0.001）。本研究选择将不同的健康议题合并讨论以期观察到更具普遍性的结果，但我们同时注意到不同的健康议题之间可能存在一定的差异。
　　（三）健康信息真伪的辨别和感知对分享意愿的影响
　　人们对于健康信息真伪度的辨别是否会成为其在社交媒体平台上进行信息分享的基础？这是本文接下来重点考察的问题。在这部分的分析中，我们将个人对健康信息真伪度的辨别力和对健康信息准确度的感知作为一组新的自变量纳入回归模型。个人对健康信息真伪度的辨别力与对健康信息准确度的感知的区别在于，前者是人们对于一条信息正确与否的客观判断，后者则体现了主观判定。例如，“脖子若有这‘迹象’，八成是艾滋‘接班人’”这条信息客观上是错误的，假如被访者个人认为这条信息“完全准确”，那么其对于健康信息准确度的感知即为完全准确，但其对于信息真伪度的辨别能力则较弱。
　　如表3所示，社交媒体使用和信息获取，健康常识和分析性思维，以及对健康信息真伪度的辨别力和主观感知分别显著提高了模型的解释力；最终的模型解释了健康信息分享意愿15.6%的方差，和数据整体的拟合程度较好。
　　人口变量中，女性比男性更愿意分享健康信息，但这一性别差异随着新的变量的加入而不再显著；年龄增长与健康信息分享意愿成反比（β= -0.06， p<0.05）；而受教育程度高（β= -0.08， p<0.001）则显著降低了人们对于健康信息的分享意愿。就健康信息本身而言，人们对于健康信息的了解程度（β=0.11， p<0.001）对分享意愿具有持续显著的正面影响。实际上，在表3的回归模型中，对健康信息的熟识程度始终是对人们分享意愿最具解释力的因素之一。同样对被访者分享意愿具有稳定有力影响的是他们的健康常识和分析性思维水平：具有更多健康知识（β=-0.04， p<0.05）且分析性思维占主导（β=-0.13， p<0.001）的被访者在面对信息分享时显得更加犹豫，但是，自评为分析性思维的被访者则倾向于更为积极地分享健康信息（β=0.05， p<0.01）。
　　在最后加入模型的两个变量中，人们对健康信息真伪度的辨别力与分享意愿成反比（β=-0.07， p<0.001）。而人们对于自己认为准确的信息具有更高的分享意愿（β=0.28， p<0.001）。这一结果与丹尼斯、舒尔茨哈特等人的观察是一致的（Dennis， 1996； Schulz-Hardt et al.， 2006），同时支持了本文的H3。
　　
四、结论与讨论
　　本文尝试在个人层面上揭示可能推动或抑制健康类虚假信息在社交网络空间传播和扩散的影响因素。仅从本文中被访者的社交媒体使用率和使用时间便不难看出，社交媒体已逐渐渗入人们的生活，成为人们日常信息获取的重要渠道和社会交往平台。而与大众媒体相比，社交媒体上普通公众进入把关人行列，在传播门槛降低的同时，专业把关人的影响力减弱，其对公共信息监测过滤的空间也受到挤压（靖鸣，臧诚，2013）。尤其在中国，健康虚假信息在社交网络层出不穷，这也使得个人对于真假健康信息的辨别显得尤为重要。作为公众，在吸收专业健康知识的同时，可以从何处入手来降低虚假健康信息对于自身的侵害？本文的结果在一定程度上解答了上述问题。个人是社交媒体信息传播的重要节点，从个人角度切入探讨健康信息的传播实质上是为改善健康传播环境，遏制虚假信息扩散作出努力。
　　通过分析网络问卷调查数据，本文结果显示，人们对于健康信息真伪度的辨别力存在很大的个体间差异。首先，拥有更多健康常识有助于提高人们对于真假信息的辨别能力（H1）。但同时，具有基本的健康常识在人们进行信息真伪辨别时只能起到基础的作用，人们无法保证自己拥有足够多的健康知识以对所有信息作出准确的判断。在这样的情况下，分析性思维水平对于提升人们的信息真伪辨别力起到了进一步的促进作用。在分析当中，本文从分析性思维的实际水平和自我评估两方面同时入手。这两种测量方法对分析性思维的预测力具有差异：与客观上更倾向于运用分析性思维的人相比，仅在自我评价层面认为自己具有较高分析性思维水平的人对健康信息真伪的辨别力更低。尽管如此，我们也应当注意到，无论通过哪种方式进行测量，在排除了各自对于信息辨别力的影响后，分析性思维对于信息辨别力的净效果依然是统计显著的。这种具有高度一致性的观察结果无疑为本文的研究结论（H2）提供了强有力的经验支持。
　　其次，本文结果还显示，个体特征不仅影响人们对于健康信息真伪的辨别，同时还能够影响其对于信息的分享意愿。人们更愿意转发分享自己主观感知为正确的信息（H3）。这意味着人们倾向于与他人分享自己相信的信息而非事实上准确的信息。提高受众真假信息辨别力可以推动个人感知的信息准确性更接近实际的信息准确性，从而减少对虚假信息的分享。同时，提高辨别力本身确实有望直接作用于人们的转发意愿，那些能够更为准确地辨别健康信息真伪的被访者在转发过程中表现出更为审慎的趋向。提高人们对于信息的辨别能力对于减少虚假信息扩散有重要意义。
　　本研究中，对社交媒体使用这一变量的考察结果值得引起注意。数据表明，每天在社交媒体平台投入更多时间的人更难以准确地辨别信息的真假，这与人们主观上的认知大相径庭。这一结果表明，社交媒体平台中虽然有大量信息，但是各种信息鱼龙混杂，单纯在社交媒体上投入大量时间并无益于提高获取信息的质量。
　　另外，人口变量中受教育程度一项对本文的两个主要因变量有显著影响，受教育程度越高的人越能准确辨别信息，且其分享意愿更低。提高公民的受教育程度能够在一定程度上减少虚假信息在社交网络空间的扩散。而年龄对信息辨别的准确度具有负向影响，具有学生身份的人群也显示出较弱的信息辨别能力，这在一定程度上提示我们，学生群体对健康虚假信息的抵御能力较弱，更应该作出针对性的健康教育措施。
　　这些结果说明了以下几个问题。第一，加强对健康常识的科普是提高公民健康信息素养的重要一环，通过健康常识的科普，能够加强人们对于健康信息真伪的辨别能力，推动全民健康素养水平提升，减少网络虚假健康信息传播。第二，培养公民分析性思维在提升信息真伪辨别力方面具有格外重要的意义。第三，教育程度较低、分析性思维水平低下且对于信息真伪的辨别能力较弱的人具有更高的分享意愿，其对于信息所抱持的态度并不十分谨慎，让虚假健康信息具有扩散的空间。推动个人教育水平提升，培养分析性思维能够促进健康信息传播环境的优化。
　　当然，任何一项研究都具有自身的局限。本研究采取非概率抽样的方法，依靠微博、微信转发获取样本。依据样本中教育程度、对信息真伪度辨别能力等变量的分布情况来看，本文的被访者倾向于表现出较高的文化和健康素养。在这类人群中，健康常识和分析性思维等因素已然对信息辨别和分享意愿等具有显著影响，不难想象，如果在更具有代表性的样本中重复检验本文的研究假设，即增加样本中教育程度和信息辨别能力水平较低的群体数量，现有研究发现可能表现出更加显著的趋势。这将有待于研究者在未来的研究中进行更加系统的检验。另外，本研究对于性别差异性的讨论较少，在现有文献中对于虚假信息辨别能力方面，几乎没有经验研究发现性别带来的差异，但是在信息分享意愿上，女性普遍更愿意在社交媒体投入更多时间（Sin & Kim， 2013），同时更加愿意经常更新自己的状态（Hampton， Goulet， Rainie & Purcell， 2011：15-16）。有关中国社交媒体上分享行为的研究也表明，女性是热门微博的积极转发者（李彪，2013）。然而从本文的研究结果来看，性别对于分享意愿的影响并不显著：在预测健康信息分享意愿时，性别变量在模型一和模型二中表现出显著的影响效果，但是随着健康素养、分析型思维等核心自变量的引入（模型三、模型四），性别对于分享意愿的影响消失了。鉴于本文样本在性别上的偏差，研究者在未来研究中可就此进行更为系统的考察。
　　其次，健康素养的概念范围广大，且逐渐涵盖多层次多方面，本研究落实到经验测量层面时限制了其范围，仅关注了健康素养中的知识水平这一维度。知识水平与以事实为基础的健康信息的拥有量可能存在一定的关联性。但是这两者之间不是完全对等的关系，不可相互替代。健康常识反映的是人们具有的基础性健康知识，而辨别健康信息的真假则需要调动个体多方面的综合能力。本文结果显示，知识层面的健康素养对于健康信息真伪的辨别力具有显著影响。我们相信将完整的健康素养概念纳入考察可以增进健康传播的研究者和实践者对于公众健康素养和防控虚假信息之间关系的理解。
　　此外，有研究显示，人们在自我展示动机的驱动下倾向于分享他们认为真实的信息，分享虚假信息则有害于个人声誉（Altay， Hacquin & Mercier， 2019）。这意味着，人们若无法判断信息的准确性，其分享意愿可能因此而受到影响。本文未考虑受众对于信息准确性的确定程度对其分享意愿的影响，未来研究可将此纳入对于分享意愿影响因素的考察。
　　最后，已有研究普遍表明，社交媒体使用对于信息分享起着较大的影响作用，但在本文中没有显示出突出的效果。这其中一个可能的原因是，与一般意义上的社交媒体使用相比，使用者的社交媒体素养水平对其分享信息的意愿和行为会起到一定的影响作用。一般而言，社交媒体素养包含技术能力和认知能力两部分（Vanwynsberghe， 2014）。本研究所测量的社交媒体依赖度在一定程度上能从侧面体现出受访者的技术能力；而在认知能力方面，其与本研究的核心变量分析性思维有一定的重合性。研究者需要在未来的研究中更好地厘清这些概念的内涵，并在此基础上进行更为严格精确的统计控制，以此更加深入地思考和考察社交媒体使用对于虚假健康信息传播起到的作用。■
　　
注释：
①尽管HSM模型与ELM模型运用不同的称谓指代双过程，二者均认为个体在加工信息时涉及到两种心理模式，其中默认的模式更为简单、经济和快捷，即HSM模型所指的启发式加工（heuristic processing）或ELM模型所谓的边缘加工（peripheral processing），另一种信息处理模式则更强调逻辑性和审慎思考，也即HSM模型中的系统式加工（systematic processing）或ELM模型的中心加工（central processing）。两个模型的主要区别在于它们对于双过程之间的互动关系，以及人们调用审慎式信息处理模式所需具备的前提条件所展开的论述。对两个模型的细致比较与对比已超过本文的讨论范围。
②本研究所采用题目来自浙江健康教育馆网站（http：//www.zjhep.com/index.php/Home/Index/detail/cate_id/33/id/42.html），浙江教育健康馆由浙江省卫生计生委、省爱卫办主办，省疾控中心、省健康促进与教育协会承办。
③本调查研究采用非概率抽样，能够具有针对性地获取社交媒体用户样本，我们同时意识到这种抽样方法有可能带来自我选择偏差和传播渠道的限制等问题，从而影响研究结论的外部效度。除了抽样方法的缺陷外，通过目前的收集方法能否获得社交媒体用户的真实意见和判断同样是需要说明的问题。我们目前对此尚无法做出确定判断，但我们认为样本的可信度可以接受的理由包括：第一，在完全无偿、自愿的前提下，如果被访者花费平均15分钟来填答问卷，那么他应该是认真作答的（一部分草率填答者可以通过答题时间予以剔除）。第二，由于被访者不直接面对研究者，因而在作答时可能会更加坦诚、如实地表达自己的想法。当然，这种抽样方法显然遗漏了不愿受访的群体，我们目前尚无法了解这一样本群与被访者样本群之间可能存在哪些系统差异。总体而言，由于本研究的探索性质，采用网络问卷调查能够在最大程度上解答本研究关注的核心问题。此外，对比本研究数据收集时CNNIC发布的《第44次中国互联网络发展状况》中的网民属性数据，截至2019年6月，中国互联网网民中，男性网民占52.4%，女性网民占47.6%；10-39岁网民群体占网民整体的65.1%，其中20-29岁网民群体占比最高，达24.6%；初中、高中/中专/技校学历的网民群体占比分别为38.1%、23.8%，受过大学专科、大学本科及以上教育的网民群体占比分别为10.5%、9.7%。与网民总体数据相比，本研究样本的女性受访者比例偏高，年龄主要集中在20-29岁，受教育程度较高。
④在问卷中，职业变量包含党政领导干部、专业技术人员、学生等共14个题项。我们在数据处理时注意到，学生样本占样本总数的56.1%，同时，学生身份与其他职业具有明显的不同，因此，职业变量在数据处理时被重新编码为是否为学生。
　　
参考文献：
靖鸣，臧诚（2013）。微博对把关人理论的解构及其对大众传播的影响。《新闻与传播研究》，（02），55-69+127。
李彪（2013）。微博中热点话题的内容特质及传播机制研究——基于新浪微博6025条高转发微博的数据挖掘分析。《中国人民大学学报》，（5），10-17。
李静，杨晓冬（2018）。社交媒体中“医疗众筹”信息分享行为研究：转发还是不转发？《新闻与传播研究》，（2），64-79。
马天娇（2017）。大数据时代微信虚假健康信息传播现状及治理。《新闻世界》，（1），56-58。
曾祥敏，王孜（2019）。健康传播中的虚假信息扩散机制与网络治理研究。《现代传播》（中国传媒大学学报），（6），7。
张士靖，杜建（2010）。健康信息素养应成为中国公众健康素养促进的关键点。《医学信息学杂志》（2），45-49。
Altay, S. , HacquinA. S. , & MercierH. (2019). Why do so few people share fake news? It hurts their reputation. new media & society1461444820969893.
Berkman, N. D. , DavisT. C. , & McCormackL. (2010). Health literacy: what is it?. Journal of health communication15(S2)9-19.
CampitelliG. , & GerransP. (2014). Does the cognitive reflection test measure cognitive reflection? A mathematical modeling approach. Memory & cognition42(3)434-447.
Chaiken, S. (1980). Heuristic versus systematic information processing and the use of source versus message cues in persuasion. Journal of personality and social psychology, 39(5)752.
ChuaA. Y. , & Banerjee, S. (2017). To share or not to share: the role of epistemic belief in online health rumors. International journal of medical informatics10836-41.
DennisA. R. (1996). Information exchange and use in small group decision making. Small Group Research, 27(4)532-550.
DiFonzo, N. , Robinson, N. M. , Suls, J. M. , & Rini, C. (2012). Rumors about cancer: Contentsourcescoping, transmission, and belief. Journal of Health Communication17(9)1099-1115.
Diviani, N. , van den PutteB. , GianiS. , & van WeertJ. C. (2015). Low health literacy and evaluation of online health information: a systematic review of the literature. Journal of medical Internet research, 17(5)e112.
Ellison, N. B. , Steinfield, C. , & LampeC. (2007). The benefits of Facebook “friends:” Social capital and college students’ use of online social network sites. Journal of computer-mediated communication12(4)1143-1168.
Evans, J. S. B. (2003). In two minds: dual-process accounts of reasoning. Trends in cognitive sciences, 7(10)454-459.
Evans, J. S. B. , & StanovichK. E. (2013). Dual-process theories of higher cognition: Advancing the debate. Perspectives on psychological science8(3)223-241.
Frederick, S. (2005). Cognitive reflection and decision making. Journal of Economic perspectives, 19(4)25-42.
Gervais, W. M. (2015). Override the controversy: Analytic thinking predicts endorsement of evolution. Cognition142312-321.
GreeneJ. , HibbardJ. H. , & Tusler, M. (2005). How much do health literacy and patient activation contribute to older adults' ability to manage their health? (pp. 2005-05). Washington, DC: AARP Public Policy Institute.
Hampton, K. N. , Goulet, L. S. , Rainie, L. , & PurcellK. (2011). Social networking sites and our lives (Vol. 1). Washington, DC: Pew Internet & American Life Project.
HartW. , Albarracín, D. , EaglyA. H. , BrechanI. , Lindberg, M. J. , & MerrillL. (2009). Feeling validated versus being correct: a meta-analysis of selective exposure to information. Psychological bulletin, 135(4)555.
Lazer, D. M. , Baum, M. A. , BenklerY. , Berinsky, A. J. , GreenhillK. M. , MenczerF. & Schudson, M. (2018). The science of fake news. Science359(6380)1094-1096.
LeederC. (2019). How college students evaluate and share “fake news” stories. Library & Information Science Research, 41(3)100967.
McClellandJ. L. , McNaughton, B. L. , & O'ReillyR. C. (1995). Why there are complementary learning systems in the hippocampus and neocortex: insights from the successes and failures of connectionist models of learning and memory. Psychological review, 102(3)419.
McDonaldM. , & Shenkman, L. (2018). Health literacy and health outcomes of adults in the United States: Implications for providers.
Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of general psychology, 2(2)175-220.
NorrisP. , & EpsteinS. (2011). An experiential thinking style: Its facets and relations with objective and subjective criterion measures. Journal of personality79(5)1043-1080.
Papadakos, J. K. , HasanS. M. , Barnsley, J. , BertaW. , Fazelzad, R. , PapadakosC. J. & Howell, D. (2018). Health literacy and cancer self‐management behaviors: A scoping review. Cancer, 124(21)4202-4210.
Parker R. M. , Baker D. W. , Williams M. V. & Nurss J. R. (1995) The test of functional health literacy in adults: a new instrument for measuring patients’ literacy skills. Journal of General Internal Medicine 10537–541.
Pennycook, G. , & Rand, D. G. (2019). Lazy, not biased: Susceptibility to partisan fake news is better explained by lack of reasoning than by motivated reasoning. Cognition18839-50.
Pennycook, G. , & Rand, D. G. (2020). Who falls for fake news? The roles of bullshit receptivityoverclaiming, familiarityand analytic thinking. Journal of personality88(2)185-200.
Pennycook, G. , FugelsangJ. A. , & KoehlerD. J. (2015). Everyday consequences of analytic thinking. Current Directions in Psychological Science24(6)425-432.
Petty, R. E. , & Cacioppo, J. T. (1981). Attitudes and persuasion: classic and contemporary approaches, Wm. C. BrownDubuqueIA.
Saeed, H. , Saleem, Z. , NaeemR. , Shahzadi, I. , & IslamM. (2018). Impact of health literacy on diabetes outcomes: a cross-sectional study from Lahore, Pakistan. Public Health, 1568-14.
Schulz-Hardt, S. , Brodbeck, F. C. , Mojzisch, A. , Kerschreiter, R. , & Frey, D. (2006). Group decision making in hidden profile situations: dissent as a facilitator for decision quality. Journal of personality and social psychology, 91(6)1080.
Shenhav, A. , Rand, D. G. , & Greene, J. D. (2012). Divine intuition: Cognitive style influences belief in God. Journal of Experimental Psychology: General141(3)423.
Shieh, C. , Mays, R. , McDaniel, A. , & Yu, J. (2009). Health literacy and its association with the use of information sources and with barriers to information seeking in clinic-based pregnant women. Health care for women international30(11)971-988.
Simonds, S. K. (1974). Health education as social policy. Health Education Monographs, 2(1_suppl)1-10.
Sin, S. C. J. , & KimK. S. (2013). International students' everyday life information seeking: The informational value of social networking sites. Library & Information Science Research, 35(2)107-116.
Smith, E. R. , & CollinsE. C. (2009). Dual-process models: A social psychological perspective. J. St. BT Evans & K. Frankish (Eds. )In two minds: Dual processes and beyond, 197-216.
Smith, E. R. , & DeCoster, J. (2000). Dual-process models in social and cognitive psychology: Conceptual integration and links to underlying memory systems. Personality and social psychology review, 4(2)108-131.
Stanovich, K. E. (2004). Metarepresentation and the great cognitive divide: A commentary on Henriques'“Psychology Defined”. Journal of clinical psychology, 60(12)1263-1266.
Stieglitz, S. , & Dang-XuanL. (2013). Emotions and information diffusion in social media—sentiment of microblogs and sharing behavior. Journal of management information systems29(4)217-248.
StrackF. , & DeutschR. (2004). Reflective and impulsive determinants of social behavior. Personality and social psychology review, 8(3)220-247.
Swami, V. , VoracekM. , StiegerS. , Tran, U. S. , & FurnhamA. (2014). Analytic thinking reduces belief in conspiracy theories. Cognition133(3)572-585.
Vanwynsberghe, H. (2014). How users balance opportunity and risk: A conceptual exploration of social media literacy and measurement (Doctoral dissertation, Ghent University).
Von Wagner, C. , SemmlerC. , Good, A. , & Wardle, J. (2009). Health literacy and self-efficacy for participating in colorectal cancer screening: the role of information processing. Patient education and counseling, 75(3)352-357.
WilliamsM. V. , Parker, R. M. , BakerD. W. , Parikh, N. S. , Pitkin, K. , Coates, W. C.& NurssJ. R. (1995). Inadequate functional health literacy among patients at two public hospitals. Jama, 274(21)1677-1682.
Zubiaga, A.& Ji, H. (2014). Tweetbut verify: epistemic study of information verification on twitter. Social Network Analysis and Mining, 4(1)163.
　　
何艺璇系上海交通大学媒体与传播学院硕士研究生，闫文捷（通讯作者）系北京师范大学新闻传播学院副教授、博导。本文为北京市社会科学基金规划项目重点项目“社交媒体环境下虚假信息的传播与治理研究”（项目编号：20XCA004）的研究成果之一。