本研究由武汉大学新闻与传播学院的陈璐、武汉大学信息管理学院的郑涵、北京印刷学院新闻与传播学院的唐玉龙以及武汉大学新闻与传播学院的杨小雅共同完成。研究论文“I assume others are influenced by health misinformation on social media: examining the underlying process of intentions to combat health misinformation” 发表于学术期刊 Online Information Review 的2025年第49卷第2期。

研究的学术背景 本研究立足于健康传播、计算传播与媒介效果研究交叉的领域，核心目标是探究社交媒体用户意图对抗健康类虚假信息的深层心理机制。随着社交媒体成为健康信息的重要来源，其上也充斥着大量与科学共识相悖的健康类虚假信息（health misinformation）。这些信息可能阻碍公众采取有效的健康防护措施，并削弱对公共卫生机构的信任。现有文献虽然识别了若干对抗虚假信息的策略，例如社会纠正（social correction）、机构验证（institutional verification）、媒介素养干预（media literacy interventions）和政府规制（governmental regulation），但对于驱动个体采取这些纠正行为的心理动力，特别是在健康信息的大背景下，仍未得到充分理解。

近年来的一个研究线索表明，促使用户采取纠正行为的，往往不是虚假信息的实际影响，而是人们所感知到的其对他人的影响。基于此，部分研究采用了第三人效果（Third-Person Effect, TPE）理论来解释对抗虚假信息的驱动力，但结果并不稳定。因此，学者们呼吁采用更具包容性的理论模型。本研究采纳了“推定影响的影响”（Influence of Presumed Influence, IPI）模型作为核心理论框架。与TPE强调自我与他人感知影响的差异不同，IPI模型聚焦于个体对媒体信息影响他人程度的推定如何进一步影响个体自身的态度和行为。尽管IPI模型潜力巨大，但在健康虚假信息这一特定情境下，关于“人们如何形成‘他人受虚假信息影响’这一推定”以及这种推定如何导致具体行为后果的研究仍很有限。

鉴于此，本研究旨在剖析社交媒体用户意图对抗健康虚假信息背后的心理过程。具体而言，本研究以IPI模型为指导，构建了一条从个体对社交媒体健康信息的个人关注，到推定他人的关注，再到推定虚假信息对他人的影响，并最终通向不同虚假信息对抗意图的理论路径。本研究试图通过此路径，对“为何人们愿意参与对抗虚假信息”提供一个更为简约且有力的解释。

详细的研究流程 本研究采用基于问卷调查的量化研究方法，具体流程如下：

1. 研究设计与理论模型构建：研究者首先基于IPI模型和虚假信息对抗文献，提出了一个包含多个潜变量的结构方程模型（Structural Equation Model, SEM）。模型中，个人对社交媒体健康信息的关注（单指标）是起点变量。它被假设会正向影响推定他人对同类信息的关注（多指标，涉及家人、亲戚、朋友和公众四类群体）。后者又被假设会正向影响推定健康虚假信息对他人的影响（多指标，同样涉及上述四类群体）。最后，这个推定的影响被假设会正向影响四种对抗意图，它们被分为两类：

   • 预防性对抗策略（Pre-emptive countering）：包括支持媒介素养干预（多指标）和机构验证意愿（多指标）。
   • 反应性对抗策略（Reactive countering）：包括健康虚假信息纠正意愿（多指标）和支持政府规制（多指标）。 此外，研究将年龄、性别、收入和受教育程度作为控制变量纳入模型。

2. 数据收集与样本：数据通过在线调查平台“Credamo”于2023年8月采集。采用志愿者抽样策略，参与者完成问卷后可获得小额报酬。在剔除答题时间过短（小于4分钟）及未能通过注意力检查题项的无效问卷后，最终保留的有效样本量为690份。样本人口统计学特征如下：女性占38.70%；平均年龄27.92岁（标准差6.69）；约80%的受访者拥有大专及以上学历；家庭月收入中位数区间为6000-8000元人民币。研究者指出，该样本存在男性、年轻及高学历群体比例偏高的情况，属于非概率抽样，因此在推广结论时需谨慎。

3. 测量工具：所有核心构念的测量均改编自先前文献，使用5点李克特量表（1=非常不同意/非常不可能，5=非常同意/非常可能）。具体包括：

   • 个人关注：单项测量。
   • 推定他人关注：4个题项，测量个体认为家人、亲戚、朋友和公众对社交媒体健康信息的关注程度。
   • 推定影响：4个题项，测量个体认为健康虚假信息对上述四类群体的影响程度。
   • 支持媒介素养干预：3个题项。
   • 机构验证意愿：5个题项，涉及使用搜索引擎、权威医学网站、事实核查网站、新闻媒体及咨询医学专业人士进行验证。
   • 纠正意愿：4个题项，涉及发布评论、私信发布者、自己转发纠正信息以及举报信息。
   • 支持政府规制：5个题项。 所有多指标构念的信度（Cronbach’s α）均在0.69至0.81之间，复合信度（CR）均大于0.80，表明测量工具具有较好的内部一致性。

4. 数据分析流程：研究采用基于协方差的结构方程模型（CB-SEM）对假设模型进行检验，使用R语言中的“lavaan”包进行分析。分析过程遵循三步走策略：

   • 第一步：检验共同方法偏差与多重共线性。通过全共线性检验，所有变量的方差膨胀因子（VIF）均低于3.3，最大相关系数低于0.90，表明共同方法偏差和多重共线性问题不严重。
   • 第二步：评估测量模型。进行验证性因子分析（CFA）。模型拟合指标良好（χ²/df = 2.48, CFI = 0.94, TLI = 0.93, RMSEA = 0.05, SRMR = 0.05）。所有因子载荷均大于0.60，组合信度（CR）均高于0.80，平均方差提取量（AVE）均大于0.50，表明模型具有较好的收敛效度。同时，每个构念AVE的平方根均大于其与其他构念的相关系数，表明判别效度良好。
   • 第三步：检验结构模型。即检验各潜变量之间的路径关系。结构模型同样显示出可接受的拟合度（χ²/df = 2.45, CFI = 0.92, TLI = 0.90, RMSEA = 0.05, SRMR = 0.06）。为增强结果的稳健性，研究者还使用了偏最小二乘法结构方程模型（PLS-SEM）进行补充分析，结果与CB-SEM高度一致。

主要研究结果 结构模型的分析结果清晰地揭示了IPI模型在健康虚假信息对抗情境下的作用机制：

1. 第一阶段（从个人关注到推定影响）得到证实：

   • H1得到支持：个人对社交媒体健康信息的关注度，与其推定他人对同类信息的关注度呈显著正相关（β = 0.37, p < 0.001）。这验证了IPI模型的“推定接触”（presumed reach）概念，即人们倾向于根据自身的媒体接触情况来推断他人的接触情况。
   • H2得到支持：推定他人对健康信息的关注度，与推定健康虚假信息对他人的影响程度呈显著强正相关（β = 0.77, p < 0.001）。这意味着，当个体认为他人高度关注社交媒体上的健康信息时，他们也会倾向于认为他人更容易受到其中混杂的虚假信息的不良影响。这一路径是整个模型解释力的关键，解释了推定影响60%的方差（R² = 0.60）。

2. 第二阶段（从推定影响到对抗意图）的结果呈现差异化：

   • 对预防性对抗策略的影响：
     • 支持媒介素养干预（RQ1a）：推定虚假信息对他人的影响，显著正向预测了人们对媒介素养教育措施的支持度（β = 0.16, p < 0.01）。这表明，越觉得他人容易受骗，就越认为有必要通过教育提升公众的媒介批判能力来防患于未然。
     • 机构验证意愿（RQ1b）：推定影响同样显著正向预测了个体亲自去权威机构验证可疑健康信息的意愿（β = 0.38, p < 0.001）。这一关系的强度最大，说明感知到的他人受威胁程度，是驱动个体进行信息核实、寻求确凿证据的重要动力。
   • 对反应性对抗策略的影响：
     • 健康虚假信息纠正意愿（RQ1c）：推定影响显著正向预测了个体在社交媒体上直接纠正虚假信息的意愿（β = 0.27, p < 0.001）。这支持了“纠正虚假信息是一种保护感知中易受伤害的他人的利他行为”的观点。
     • 支持政府规制（RQ1d）：出乎意料的是，推定虚假信息对他人的影响与支持政府采取规制措施之间的关系并不显著（β = 0.06, p = 0.20）。研究者推测，这可能与中国的特定社会情境有关。在中国，网络信息治理相对集中，公众对政府规制已形成较高程度的共识和支持（均值高达4.29），因此这种支持度可能不完全依赖于对虚假信息危害他人程度的即时感知。

3. 控制变量：在模型中，年龄、性别、收入和受教育程度等人口学变量也被纳入分析，但研究报告中未详细阐述其具体影响，主要焦点仍在于核心理论路径。

研究结论与意义 本研究证实，在对抗社交媒体健康虚假信息的意图背后，存在一个清晰的、基于“推定影响的影响”（IPI）模型的心理过程。人们通过自身的关注行为推断他人的关注，进而推断他人受到不良信息的影响，最终这种“他人易受伤害”的感知激发了多种对抗行为意图。

研究的价值主要体现在以下几个方面： * 理论价值： 1. 拓展了IPI模型的应用场景：本研究在社交媒体和广义健康虚假信息的双重新背景下检验了IPI模型，证明了该模型在解释新兴网络社会问题上的有效性和生命力。 2. 丰富了对抗行为的结果变量：相较于以往IPI研究多关注支持审查等限制性行为，本研究同时纳入了支持媒介素养干预、机构验证意愿和纠正意愿这三种更依赖个体能动性的积极对抗行为，提供了更全面的视角。 3. 提供了更简约的解释机制：与有时结果不稳定的第三人效果（TPE）模型相比，IPI模型通过聚焦“对他人影响的推定”这一核心中介变量，为对抗行为动机提供了一个更直接、更简约的解释路径。 4. 强调了情境敏感性的重要性：关于“支持政府规制”路径不显著的发现，凸显了在解释虚假信息对抗行为时，必须考虑特定的社会文化背景和政治传播生态。在中国语境下，既有的高规制共识可能削弱了个人感知与支持态度之间的关联。 * 实践价值： 1. 信息干预的启示：研究结果表明，旨在激发用户对抗虚假信息的宣传或提示信息，可以采用他人导向（other-oriented）的框架。例如，强调“纠正虚假信息，保护他人免受伤害”，可能比单纯强调信息本身错误更有效。 2. 策略选择的优先级：在多种对抗策略中，媒介素养教育、鼓励用户主动核实信息以及促进用户间的社会纠正，是与用户心理动因（感知到的他人脆弱性）紧密相连的有效杠杆。相比之下，单纯强调政府规制可能并非最有效的动员策略。 3. 赋能用户：由于验证、纠正等行为高度依赖用户的自我效能感，平台和公共机构在激发用户参与的同时，应注重提供易于使用的核查工具、简化举报流程，以提升用户的效能感。

研究的亮点 1. 理论整合与创新：成功地将经典的IPI媒介效果理论应用于前沿的社交媒体健康虚假信息研究领域，并进行了合理的拓展，理论驱动性强。 2. 全面的对抗行为框架：首次在单一研究中同时考察了预防性（媒介素养、验证）和反应性（纠正、规制）两大类共四种对抗意图，构建了一个相对全景式的动机分析模型。 3. 情境化研究视角：基于中国社交媒体生态和社会文化背景开展研究，其发现（尤其是关于政府规制支持的发现）为全球范围内的虚假信息治理研究提供了重要的比较案例和情境化见解。 4. 稳健的分析方法：采用CB-SEM进行主要分析，并用PLS-SEM进行稳健性检验，增强了研究结论的可信度。

研究的局限与未来方向 研究者也诚实地指出了本研究的几点局限：首先，非概率抽样限制了样本对总体的代表性；其次，研究主要关注认知过程，未纳入情感因素（如愤怒、预期愧疚等），这可能是模型中某些因变量方差解释率（R²）尚可提升的原因；第三，横截面调查设计无法严格推断因果关系；第四，研究未区分不同类型的健康信息（如突发公共卫生事件信息 vs. 日常慢性病信息）或不同类型的“他人”（如心理距离远近），这些都可能影响推定的程度和后续行为。未来的研究可以采用概率抽样、纵向设计、实验法，并进一步细化信息类型和“他人”群体，以深化对这一机制的理解。