本文仅展现个人负责撰写的部分，全文请见文章结尾
本研究着眼当下代表性互联网新媒体平台小红书 APP，针对北京市大学生群体开展调查，使用定量研究方法，综合信息采纳模型与社会影响理论，使用 SPSS软件进行数据分析，探究网络健康信息对于用户采纳意愿的影响。通过调查，本研究将厘清感知信任与感知风险两方面对用户的采纳意愿产生怎样的影响，且信息质量和信息热度在感知信任层面发挥了何种作用。
文献综述
UGC 研究
User-generated content（UGC，用户生成内容）是在 Web2.0 的基础上提出的，指的是用户自主参与网络平台建设，积极分享和展示自己拥有或创造的内容。随着视频平台 YouTube 于 2005 年推出，UGC 模式迅速成为数字内容发展的热点。学界对 UGC 的理论研究、实践应用逐渐丰富，各行业对其的关注不断增加，新媒体平台开始广泛采用 UGC 模式，依赖用户进行网络资源信息的整合管理。[4]
早期的 UGC 新媒体研究聚焦当时的视频和博客平台。성명훈[5]等采用“使用与满足”理论，对用户使用 UGC 平台的满足感和动机展开了研究，提出表达自己是用户在平台分享和创作视频的主要因素。Choi 等[6]和 Kim 等[7]通过对视频和博客平台的研究，提出信息交互是 UGC 模式的重要特征，用户图形界面作为用户参与平台活动直接进行交互的手段，需要在设计上有所调整。Jae[8]同样在信息交互理论的基础上探讨了用户控制、同步性和响应性对新媒体服务以及用户信息感知的影响。
随着移动互联网成为主流、Web2.0 向 Web3.0 发展，“使用与满足”理论的适用性遭到了质疑。池见星[9]对关于 UGC 的四个研究案例进行分析，指出“使用与满足”理论忽视了新媒体时代的受众正在向传者过渡的趋势，试图跳脱出传统媒体的分析框架，提出引发深思的批判视角。不过总的来说，UGC 新媒体研究主要聚焦于平台用户、交互内容和新媒体技术三大层面。
健康信息采纳研究
1948 年世界卫生组织成立时把健康定义为：“健康乃是一种生理、心理和社会适应都臻完满的状态，而不仅仅是没有疾病和虚弱的状态。”
广义的健康信息是指与健康有关的所有健康或疾病知识、健康消息、健康数据、事实与资料。随着互联网与移动终端的逐渐普及，健康信息的传播边界拓展，传播壁垒打破，原有的就医环境逐渐转变为一种在线的交流与共享。本文所研究的新媒体平台健康信息是指新媒体视域下的网络健康信息，泛指在网络环境中与人们身心健康、疾病、营养、养生等相关的一系列信息，粗糙地可以分为健康医疗信息和健康生活方式信息两类[10]。近年来关于网络健康信息伴之的一系列用户信息行为如搜寻、获取、甄别、应用与反馈等，也逐渐受到关注。
健康信息采纳是指用户从健康信息获取、接受到利用的全部阶段行为的总和。[11]与信息采纳类似的概念有信息接受，而信息接受通常是被动地接受信息，而信息采纳则更强调主体的能动性。目前对于健康信息采纳的研究主要分为两类，一类是对于原因的探究，即哪些因素影响个体进行健康信息采纳，还有一类侧重于结果，即健康信息采纳对个体健康行为的影响。
传统的对健康信息采纳的研究偏向原因层面。经典的信息采纳模型（IAM）是由 Sussman 和 Siegal 所提出的，他们借鉴了技术接受模型（TAM） 和精化似然模型（ELM），认为信息采纳行为取决于信息有用性这个中介变量，而信息有用性又由论据质量和信息来源的可信度影响[12]。后续对于健康信息采纳影响因素的研究大多也都基于此模型。例如邓胜利等在 TAM2 和 IAM 模型的基础上,结合实际情况,加入感知风险,建立新的模型并通过问卷调查对问答平台的用户健康信息采纳进行了实证研究[13]。此外，也有学者从对其他可能对健康信息采纳造成影响的因素进行了探究。如莫秀婷等人探究了健康自我效能对健康信息采纳的影响，发现自我效能既存在调节作用,又存在中介作用的可能。[14]韩啸等人对城市老年人健康信息采纳的研究也发现个体性的社会资本会对老年人健康信息采纳产生影响。[15] 近年来，健康信息采纳对个体健康行为的影响也吸引了一些学者的注意。有学者指出，探究健康行为改变与健康信息采纳的关系，能够为个体健康行为的改变提供信息支持，有效促进不良健康行为的改变，提升个体健康管理水平。[16] [17]综上，对于健康信息采纳的研究正处于"因果并重"的发展阶段[18]。
国内 UGC 平台健康信息采纳研究
在视频类 UGC 平台的健康信息采纳方面，彭思豪等[19]在技术接受理论和信息采纳理论的基础上研究抖音健康类短视频的传播特征和用户信息行为的影响因素，提出感知易用与感知有用正向影响用户信息行为，感知风险则负向影响用户信息行为，体现在健康类短视频传播过程中，信息质量与信源可信度、用户健康关注和主观规范都会正向影响信息采纳。李力等[20]以信息采纳理论和启发式—系统式模型为基础，构建健康类短视频信息采纳研究框架，采用结构方程模型方法分析用户健康信息采纳行为前因变量的作用路径，采用 QCA 方法探索影响前因条件对短视频用户健康信息采纳的组合效应。SEM 分析结果表明，内容质量、平台声誉、信源可信度显著影响信息有用性，进而影响短视频用户的采纳意愿，内容质量和信息有用性在表达质量对用户采纳意愿的影响中起到链式中介作用；fsQCA 分析结果表明，短视频用户的健康信息采纳决策受系统式线索和启发式线索共同影响。王兴兰等[21]基于使用与满足理论、健康信念模型和精细加工可能性模型建立理论模型研究发现，社交满足需求、学习满足需求、感知健康威胁、感知健康期望对信息采纳行为产生积极影响，论据质量、来源可信度、短视频私欲对信息采纳行为产生间接影响。
在专门的在线健康社区的健康信息采纳方面，刘助[22]将感知信任则作为中介变量，用信息质量和从众理论引申出的信息热度来衡量用户的感知信任，将感知风险作为自变量来影响感知信任和用户信息采纳，又将健康自我效能作为自变量作用于用户信息采纳。研究发现，信息质量（来源可靠性、信息准确性和时效性）显著地正向影响感知信任；信息热度显著地正向影响感知信任；感知风险显著地负向影响感知信任，感知风险对用户信息采纳没有显著影响；感知信任和健康自我效能显著地正向影响用户信息采纳；感知信任在信息质量与用户信息采纳 的关系中起部分中介作用；而感知信任在信息热度与用户信息采纳的关系中起完全中介作用。朱云琴等[23]人依托精细加工可能性模型，结合信息需求理论以在线健康社区为研究载体，在线健康社区环境下高级别精化的中枢路径（信息质量）和低级别精化的外围路径（信息载体质量、信源可信度）对用户感知的信息有用性的影响，进而对用户在线健康社区的信息搜寻行为产生的影响。研究发现，对于边缘路径，用户的信息有用性感知和情感反应受到信源可信度和信息载体质量的显著正向影响；对于中心路径，用户的信息有用性感知和情感反应受到信息质量的显著正向影响；信息质量和信源可信度与用户的信息有用性感知之间的关系都会受到用户动机变量信息需求的负向调节作用。
研究方法
研究假设
根据健康自我效能相关的理论，本研究提出以下假设：
H1：大学生用户健康自我效能对其健康信息采纳有正向影响。
健康信息质量主要包括准确性、时效性等方面[33]，本研究又结合小红书该平台用户表达内容带有较强的情感性这一特点，在信息质量中加入了信息情感强度，再参考信息采纳模型相关的理论，本研究提出以下假设：
H2：小红书平台健康信息的信息质量对用户的感知有用性有正向影响。 H2a：小红书平台健康信息情感强度对用户的感知有用性有正向影响。 H2b：小红书平台健康信息准确性对用户的感知有用性有正向影响。 H2c：小红书平台健康信息时效性对用户的感知有用性有正向影响。
根据信息采纳模型的相关理论，又参考 Chou 等人对信源可信度的研究，本研究提出以下假设：
H3：小红书平台健康信息的信源可信度对用户的感知有用性有正向影响。 H3a：小红书平台健康信息提供者可信度对用户的感知有用性有正向影响。 H3b：小红书平台可信度对用户的感知有用性有正向影响。
基于社会影响理论，本研究提出以下假设：
H4：小红书平台健康信息的社会影响对用户的感知有用性有正向影响。 H4a：小红书平台健康信息的用户共识对用户的感知有用性有正向影响。 H4b：小红书平台健康信息的信息热度对用户的感知有用性有正向影响。
根据信息采纳模型，本研究提出以下假设：
H5:大学生用户对小红书平台健康信息的感知有用性对其健康信息采纳有正向影响。
问卷结构设计
调查问卷一共由两个板块组成：李克特量表与问卷填答者基本信息。量表板块由矩阵量表构成，根据研究模型和研究假设，每个维度设计 3-6 题。基本信息板块主要收集问卷填答者的性别、学历层次和就读专业。
过去的调查显示，医科与社科专业的大学生在处理和接受媒介信息方面的素质水平相对较高，而其他专业的学生在媒介素质上无明显统计学差异。[34]因此，本研究选择了医科、社科和其他专业的大学生作为调查对象，采用同一份的标准化问卷进行三组独立调查。
本研究的问卷分为三个部分：
第一部分简述问卷调查的目的，向调查对象表示调查信息保密，并表达感谢。同时在阐明健康信息的边界与定义之后，通过询问受访者是否在小红书上浏览/阅读过健康信息的问题进行了初步筛选，主要关注已经接触过该类信息的人群。
第二部分是问卷的核心内容，主要通过 37 个测量题项测量研究模型所涉及的 5 个构念：健康自我效能（5 个题项）；信息质量（10 个题项）：信息情感强度（4 个题项）、信息准确性（3 个题项）、信息时效性（3 个题项）；信源可信度（7 个题项）：平台可信度（3 个题项）、提供者可信度（4 个题项）；社会影响（6 个题项）：用户共识（2 个题项）、信息热度（4 个题项）；感知有用性（4 个题项）；健康信息采纳（5 个题项）。所有测量项目采用了李克特五级量表进行评分（其中，1：非常不认同，2：不太认同，3：一般认同，4：比较认同，5：非常认同）。
第三部分用于收集个人基本信息，包括性别、学业状态与所在专业。
预调查与问卷修改
预调查问卷共 15 题，包括矩阵李克特量表 11 个、基本信息 4 题。预调查在北京市大学生范围内展开，回收问卷 123 份，有效问卷 73 份，有效回收率为59.35%。通过预调查问卷数据分析，本小组改进了预调查问卷的不足，具体如下：
问卷填答者就读院校与使用行为、采纳行为之间几乎不存在关联，但问卷填答者的所学专业却和使用行为与采纳行为存在一定联系，因此在问卷中的基本信息板块，本小组删去了对“就读院校”的调查题目，进一步将“所学专业”题目细致化，使选项表述更为清晰明确，以保证在正式调查中获取更高质量的数据。
根据因子载荷矩阵，问卷中矩阵李克特量表代表的各维度内部存在一定题目载荷系数失常，针对性不强、能效性不高，因此属于无效题项，因此在正式问卷中将此类题目删除。
预调查数据分析结果对于本次研究调查的问卷修改完善具有重要指导意义，本小组根据此形成了用于正式调查的问卷，共包含 11 个矩阵李克特量表和 3 个基本信息题，矩阵量表内部的题目数量有所精简，题目表述有所优化，题目之间的逻辑顺序更加一致通畅。
正式抽样调查
根据本研究的需求，我们设置了三个筛选标准来选择受访者：首先，受访者必须使用过小红书平台；其次，受访者必须对健康信息有一定的关注；最后，受访者必须是在校大学生。在三组独立调查中，我们首先寻找符合研究标准的受访者，然后要求他们推荐其他符合要求的人进行滚雪球抽样。
根据教育部于 2021 年公布的普通本科分学科门类学生在校生数数据，医学门类在校生总数为 1,508,482 人，法学、教育学、管理学和经济学四个门类的在校生总数为 5,558,072 人，两者的比例约为 1:4。我们将这一比例近似应用于北京市的大学生群体，确保两组独立研究中的样本数量与相应学科在校生数量的比例保持一致
正式调查从 2023 年 6 月 19 日开始，至 2023 年 6 月 25 日结束，共历时 7天。正式调查共发放问卷 300 份，回收问卷 281 份，有效问卷 174 份，问卷有效回收率为 61.92%。
数据分析与研究结果
研究变量与信效度检验
根据研究模型所涉及的 5 个构念以及研究探讨的变量，问卷构建了以下 6个量表：健康自我效能量表、信息质量量表、信源可信度量表、社会影响量表、感知有用性量表、信息采纳量表。
信度分析：采用克朗巴赫α信度系数进行分析，结果显示：健康自我效能量表总信度系数为 0.842，信息质量量表总信度系数为 0.814，信源可信度量表的总信度系数为 0.898，社会影响量表的总信度系数为 0.845，感知有用性量表总信度系数为 0.868，信息采纳量表总信度系数为 0.784，并且各分维度的信度系数均大于 0.7。说明此次调查中使用的六个量表内部一致性和可靠性表现良好，具有良好的信度。
效度分析：经过计算，本文量表总体 KMO 值为 0.885，Bartlett 球形检验值为 4138.529，在概率水平 0.001 水平上达到显著，因此可以采用因子分析验证问卷的结构效度。采用凯撒正态化最大方差法旋转，最终问卷中每个问题在其公因子上有较高的负荷值（>0.40），即问题条目均符合要求，表明问卷具有较好的结构效度。对于 6 个量表，本文分别采用因子分析验证问卷的结构效度，根据主成分分析法判断题项面向，主要利用旋转后成分矩阵构建不同的指标
健康自我效能。量表询问受访者是否同意以下陈列句：（1）我相信我可以改善自己的健康状况；（2）我相信我掌握改善健康状况的方法；（3）我正在积极努力地改善我的健康状况；（4）我已经设定了一些目标来改善我的健康状况；（5）我相信我的健康状况在我的努力下已经有了改善。
经检验，该量表 KMO 值为 0.790，Bartlett 球形检验值为 379.693，在概率水平 0.001 水平上达到显著，因此可以采用因子分析验证问卷的结构效度。主成分因素分析显示这五个题项呈现一个面向，共可解释 61.351%的变异量。因此，我们把受访者在这五个题项上的得分加总除以 5，构建“健康自我效能”指标。
信息质量。量表询问受访者是否同意以下陈列句：（1）我认为小红书上的健康信息是真诚的；（2）我认为小红书上的健康信息是亲切的；（3）我认为小红上健康信息的发布者是热情的；（4）我认为小红书上健康信息的发布者是礼貌的；（5）小红书提供的无关健康信息较多，我要花费许多精力筛选我需要的健康信息；（6）我能在小红书上快速定位或寻找到我需要的健康信息；（7）我能在小红书上获得符合我个人需求的健康信息；（8）我认为小红书上的健康信息是及时更新的；（9）我相信小红书能够经常更新健康信息；（10）我经常在小红书获得最新发布的健康信息。
经检验，该量表 KMO 值为 0.785，Bartlett 球形检验值为 785.695，在概率水平 0.001 水平上达到显著，因此可以采用因子分析验证问卷的结构效度。主成分因素分析显示这十个题项呈现三个面向，共可解释 70.001%的变异量。第一个因子可以解释 41.353%的变异量，包括前四个题项，我们把受访者在这四个题项上的得分加总除以 4，构建“信息情感强度”指标。第二个因子可以解释 16.451%的变异量，包括第五至第七个题项，我们把受访者在这三个题项上的得分加总除以 3，构建“信息准确性”指标。第三个因子可以解释 12.196%的变异量，包括后三个题项，我们把受访者在这三个题项上的得分加总除以 3，构建“信息时效性”指标。
信源可信度。量表询问受访者是否同意以下陈列句：（1）我认为小红书上的健康信息是可信的；（2）我认为发布健康信息的小红书平台是值得信任的；（3）我认为小红书上的不实信息很少；（4）我认为小红书上健康信息的发布者是专业的；（5）我认为小红书上健康信息的发布者有丰富经验；（6）我认为小红书上健康信息的发布者是知识渊博的；（7）我觉得小红书上健康信息的发布者是可靠的。
经检验，该量表 KMO 值为 0.873，Bartlett 球形检验值为 721.962，在概率水平 0.001 水平上达到显著，因此可以采用因子分析验证问卷的结构效度。主成分因素分析显示这七个题项呈现一个面向，共可解释 61.351%的变异量。根据其所述对象区别，我们把受访者在前三个题项上的得分加总除以 3，构建“平台可信度”指标；把受访者在前四个题项上的得分加总除以 4，构建“提供者可信度”指标。
社会影响。量表询问受访者是否同意以下陈列句：（1）当健康信息与其他帖子有相似观点，我更愿意采纳；（2）当健康信息与其他平台的健康信息有相似的观点，我更愿意采纳；（3）我认为点赞多的健康信息更加有用；（4）我认为评论多的健康信息更加有用；（5）我认为收藏多的健康信息更加有用；（6）我更愿意采纳粉丝量大的健康信息发布者的健康信息。
经检验，该量表 KMO 值为 0.770，Bartlett 球形检验值为 542.796，在概率水平 0.001 水平上达到显著，因此可以采用因子分析验证问卷的结构效度。主成分因素分析显示这六个题项呈现两个面向，共可解释 77.824%的变异量。第一个因子可以解释 56.572%的变异量，包括前两个题项，我们把受访者在这两个题项上的得分加总除以 2，构建“用户共识”指标。第二个因子可以解释 21.251%的变异量，包括后四个题项，我们把受访者在这四个题项上的得分加总除以 4，构建“信息热度”指标。
感知有用性。量表询问受访者是否同意以下陈列句：（1）我认为小红书上的健康信息是有用的；（2）我认为小红书上的健康信息可以满足我的健康需求；（3）我认为小红书上浏览的健康信息与我的健康问题是相关的；（4）我认为小红书上的健康信息能够帮助我管理我的健康状况。
经检验，该量表 KMO 值为 0.822，Bartlett 球形检验值为 325.292，在概率水平 0.001 水平上达到显著，因此可以采用因子分析验证问卷的结构效度。主成分因素分析显示这五个题项呈现一个面向，共可解释 71.681%的变异量。因此，我们把受访者在这四个题项上的得分加总除以 4，构建“感知有用性”指标。
健康信息采纳。量表询问受访者是否同意以下陈列句：（1）我愿意采纳小红书上的健康信息；（2）我愿意给我认同的健康信息点赞/评论/收藏/转发；（3）我愿意将我认同的健康信息付诸实践；（4）我愿意持续使用小红书获取健康信息。
经检验，该量表 KMO 值为 0.756，Bartlett 球形检验值为 210.109，在概率水平 0.001 水平上达到显著，因此可以采用因子分析验证问卷的结构效度。主成分因素分析显示这五个题项呈现一个面向，共可解释 61.992%的变异量。因此，我们把受访者在这四个题项上的得分加总除以 4，构建“健康信息采纳”指标。
样本的描述性统计分析
此次受调查的 174 名北京市大学生中，男性为 28 人，占有效样本总数的16.1%；女性为 146 人，占有效样本总数的 83.9%。样本的性别分布差异较大，表明女性比男性更倾向于使用 UGC 平台了解健康信息。可以看到，以小红书为代表的 UGC 平台上的健康信息在男性受众群体中还有更多传播与影响空间。受调查的大学生中医科专业为 18 人，占有效样本总数的 10.3%；社科专业为 91 人，占有效样本总数的 52.3%；其他专业为 91 人，占有效样本总数的 37.4%。样本中医科与社科的专业分布基本符合北京大学生的专业分布。
如表 13 所示，健康自我效能、信息质量、信源可信度、社会影响四个维度的均值均处于中间偏上水平，标准差都处于合理水平，并且偏度绝对值均小于 1，峰度绝对值均小于 3，因此认为样本的分布离散程度不高，可以认为样本的分布近似拟合正态分布。其中，健康自我效能、信息质量、社会影响三个维度的样本得分都分布在中等偏上的区间，可见北京大学生进行健康信息采纳时对健康自我效能、信息质量、社会影响有更高的关注度；信源可信度维度的样本整体得分集中在中段，说明北京大学生对信源可信度无明显倾向性。
人口特征对健康信息采纳的影响分析
采用独立样本 t 检验比较不同性别的健康信息采纳量表差异，结果显示（表14）不同的性别在健康自我效能、信息准确性、信息时效性、提供者可信度上表现的差异无统计学意义。而不同的性别在信息情感强度（t=2.238，P<0.05）、平台可信度（t=1.973，P=0.05）、用户共识（t=2.133，P<0.05）、信息热度（t=2.150，P<0.05）上表现的差异具有统计学意义。男性在信息情感强度、平台可信度、用户共识、信息热度四个方面的得分比女性更高。可认为男性在健康信息采纳上比女性更关注健康信息是否真诚、平台本身是否可信、其他用户对这一健康信息的认可程度以及这一健康信息的声势与热度等多种因素，在信息采纳过程中表现出更为谨慎、细致、全面的考量与判断。
采用单因素分析方差分析比较不同专业的大学生的健康采纳信息量表，结果显示（表 15）不同专业在信息情感强度、信息准确性、信息时效性、平台可信度、提供者可信度、信息热度上表现的差异无统计学意义。而不同专业的大学生在健康自我效能（F=3.274，P<0.05）、用户共识（F=3.133，P<0.05）上表现的差异具有统计学意义。经过事后比较发现，其他专业的大学生在健康自我效能的得分相比医科和社科专业的大学生更高。这说明其他专业的大学生健康自我效能更为显著，控制影响其健康的环境事件的信念更强，在健康信息采纳过程中可能由于自我效能比医科大学生和社科大学生更关注健康信息。其他专业和社科专业在用户共识方面的得分相比医科专业的大学生更高。这说明在浏览以小红书为代表的 UGC 平台上的健康信息时，其他专业和社科专业的大学生更加关注其浏览量、评论数、点赞量及收藏量等综合热度，用户共识可能成为其健康信息采纳过程中的重要影响因素。
综合以上分析的结果说明，人口特征会对健康信息采纳造成影响，但并不是所有个体差异因素都会起作用。
信息因素与信息质量、信源可信度、社会影响相关关系分析
如表所示，信息情感强度、信息准确性、信息时效性与感知有用性具有显著的正相关性，通过控制健康信息采纳的变量，其相关系数分别为 0.366、0.300、0.291，且均在概率水平 0.001 水平上达到显著。说明当信息情感强度、信息准确性、信息时效性越高，用户对信息的感知有用性越强。大学生用户信息感知有用性来源于信息质量，信息质量越高，其解决用户实际问题的可能性倾向于越强。当信息提供给用户的社会情感支持越强，用户会认为健康信息的生产中被投入了更多情感与心血，从而表现出真诚的特质，用户在感受到信息的“亲近性”后，容易降低信息认知过程中的谨慎，提高有用感知；当信息减少用户在错误或者无用信息之中选取及跳转的能力更强时，用户获取信息更加迅速，筛选要求降低，需求更容易满足，从而更容易产生有用感知；当信息更新及呈现最新信息的能力更显著时，用户会认为信息是与时俱进的，其内容是不断修正创新的。毕竟用户不会愿意用太过陈旧古早的健康信息去修正自己正在面对的现实问题。因此信息情感强度、信息准确性、信息时效性越高时，感知有用性越强。假设 H2a、H2b、H2c 成立。
提供者可信度、平台可信度与感知有用性呈显著的正相关性，通过控制健康信息采纳的变量，其相关系数分别为 0.231、0.357，且均在概率水平 0.001 水平上达到显著。说明当提供者可信度、平台可信度越高时，用户对信息的感知有用性越强。该结论比较符合信息认知的心理逻辑与规律。提供者可信度一般暗含提供者可能是专家，知识渊博、可靠并且值得信赖，平台可信度则是平台安全形象的建立。当平台自身可信度以及提供者可信度更高时，大学生用户倾向于认为健康信息所产生的环境是安全的，健康信息涉及的内容是真实的，从而产生更强的感知信任，更低的感知风险，信息接纳壁垒减少，健康信息更容易“为‘我’所用”。假设 H3a、H3b 成立。
用户共识、信息热度与感知有用性呈显著的正相关性，通过控制健康信息采纳的变量，其相关系数分别为 0.292、0.307，且均在概率水平 0.001 水平上达到显著。说明当用户共识更为凝聚、信息热度越高时，用户对信息的感知有用性越强。一方面，当其他帖子或其他平台有相似观点时，这种用户共识互相“印证”，能够增强信息真实性，使用户觉得更加可信；另一方面当信息的热度越高，其背后折射出的是社会认可、赞赏与好评的凝聚，引发用户从众心理，类似于消费者在线网购时对于商品销售量、消费评论、浏览量等的关注。因此用户共识、信息热度会对用户感知有用性产生正向影响。假设 H4a、H4b 成立。
信息质量、信源可信度、社会影响与感知有用性呈显著的正相关性，通过控制健康信息采纳的变量，其相关系数分别为 0.437、0.329、0.380，且均在概率水平 0.001 水平上达到显著。根据前文分析，随着信息质量、信源可信度、社会影响的提高，用户对信息的感知有用性也会提高。假设 H2、H3、H4 成立。
健康自我效能与健康信息采纳呈现出显著的正相关性，其相关性系数为0.326，且在概率水平 0.001 水平上达到显著。说明健康自我效能的提高也会提高用户健康信息采纳的积极性。当健康自我效能更强时，用户会更加关注自己的健康问题，更相信自己可以管理、调整或改善自己的健康状况并倾向于采取行动，在此作用下与用户采纳健康信息的意愿更为强烈，愿意尝试并付出行动，与前人研究结果一致。假设 H1 成立。
感知有用性与健康信息采纳呈显著的正相关性，相关系数为 0.773，且在概率水平 0.001 水平上达到显著。当用户主观感知信息有效用，则会产生心理暗示，即在这一健康信息的支撑下健康状况很大可能向好向善。因此，随着用户感知有用性的提高，其在该平台上的健康信息采纳也会越积极。假设 H5 成立。
各维度的回归分析
健康自我效能与健康信息采纳的回归分析
因为假设 H1 成立，健康自我效能与健康信息采纳存在显著的相关性，对其进行回归分析，可得表：
由表可知，回归方程的调整 R²为 0.126，方程对样本的代表程度良好。
由表可知，回归方程的 F 值为 26.002，在概率水平 0.001 水平上达到显著，说明回归方程拟合效果良好，自变量与因变量之间具有显著的线性关系。
由表可知，回归方程系数为 0.294，在概率水平 0.001 水平上达到显著，该系数通过显著性检验。可得到回归方程：健康信息采纳=2.496+0.294*健康自我效能。健康自我效能该回归方程说明健康自我效能对健康信息采纳具有显著的正向影响。
信息质量与感知有用性的回归分析
在信息质量维度下，因为假设 H2a、H2b、H2c 成立，信息情感强度、信息准确性、信息时效性与感知有用性存在显著的相关性，对其进行多元回归分析，可得表：
由表可知，回归方程的调整 R²为 0.463，方程对样本的代表程度良好。
由表可知，回归方程的 F 值为 50.818，在概率水平 0.001 水平上达到显著，说明回归方程拟合效果良好，自变量与因变量之间具有显著的线性关系。
由表可知，回归方程系数分别为 0.451、0.206、0.216，均在概率水平 0.05水平上达到显著，该回归方程的所有系数均通过显著性检验。可得到回归方程：感知有用性=0.405+0.451*信息情感强度；感知有用性=0.405+0.206*信息准确性；感知有用性=0.405+0.216*信息时效性。该回归方程说明信息情感强度、信息准确性、信息时效性对感知有用性具有显著的正向影响。其中，信息情感强度的回归方程系数为 0.451，信息准确性的回归方程系数为 0.206，信息时效性的回归方程系数为 0.216，各个自变量对感知有用性的影响程度排名为：信息情感强度>信息时效性>信息准确性。
信源可信度与感知有用性的回归分析
在信源可信度维度下，因为假设 H3a、H3b 成立，提供者可信度、平台可信度与感知有用性存在显著的相关性，对其进行多元回归分析，可得表：
由表可知，回归方程的调整 R²为 0.402，方程对样本的代表程度良好。
由表可知，回归方程的 F 值为 38.699，在概率水平 0.001 水平上达到显著，说明回归方程拟合效果良好，自变量与因变量之间具有显著的线性关系。
由表可知，平台可信度的回归方程系数为 0.430，在概率水平 0.001 水平上达到显著，该系数通过显著性检验。可得到回归方程：感知有用性=1.754+0.430*平台可信度。该回归方程说明平台可信度对感知有用性具有显著的正向影响。提供者可信度的回归方程系数为 0.129，在概率水平 0.05 水平上未达到显著，该系数未通过显著性检验，说明提供者可信度与感知有用性不存在显著的线性关系。
社会影响与感知有用性的回归分析
在社会影响维度下，因为假设 H4a、H4b 成立，用户共识、信息公开与感知有用性存在显著的相关性，对其进行多元回归分析，可得表：
由表可知，回归方程的调整 R²为 0.402，方程对样本的代表程度良好。
由表可知，回归方程的 F 值为 59.109，在概率水平 0.001 水平上达到显著，说明回归方程拟合效果良好，自变量与因变量之间具有显著的线性关系。
由表可知，回归方程系数分别为 0.275、0.400，在概率水平 0.001 水平上达到显著，该系数通过显著性检验。可得到回归方程：感知有用性=1.035+0.275*用户共识；感知有用性=1.035+0.400*信息热度。该回归方程说明用户共识、信息热度对于感知有用性具有明显正向作用。其中信息热度的回归系数为 0.400，大于用户共识的回归系数 0.275，说明信息热度对感知有用性的影响程度大于用户共识。
感知有用性与健康信息采纳的回归分析
因为假设 H5 成立，感知有用性与健康信息采纳存在显著的相关性，对其进 行回归分析，可得表：
由表可知，回归方程的调整 R²为 0.595，方程对样本的代表程度良好。
由表可知，回归方程的 F 值为 254.899，在概率水平 0.001 水平上达到显著，说明回归方程拟合效果良好，自变量与因变量之间具有显著的线性关系。
由表可知，回归方程系数为 0.705，在概率水平 0.001 水平上达到显著，该系数通过显著性检验。可得到回归方程：健康信息采纳=1.104+0.705*感知有用性。该回归方程说明感知有用性对健康信息采纳具有显著的正向影响。
参考文献（部分）
[4] 范哲, 朱庆华, 赵宇翔. Web2.0 环境下 UGC 研究述评[J]. 图书情报工作, 2009,53(22): 6-63.
[5] 성명훈, 이인희. Uses and Gratifications of User-Created Contents: Expressing Self with Self-Produced Video Clips[J]. Korean Journal of Communication & Information, 2007,40(4): 45-79.
[6] CHOI C, HO-HYUN J. A research on "Avatar blog"as a suggestion for emotion based community in which UCC information is share[J]. Journal ofDigital Design, 2007,7(2): 179-188.
[7] KIM H, 김희정. A Study on UI Design guideline for efficient UCC(User Created Content) Video Service - Focused on Viewing Interface and Uploading Interface -[J]. Journal of Digital Design, 2007,7(2): 295-304.
[8] JAE L Y. Effect of Web-services' Technological Interactivity on User-generated Contents' Perceived Efficiency and Quality[J]. The Journal of the Korea Contents Association, 2012,12(9): 380-388.
[9] 池见星. 论新媒体时代传者与受者的身份趋同——用户自创内容(UGC)研究路径探析[J]. 东南学术, 2009(04): 166-168.
[10] Suri V R, Majid S, Chang Y K, Foo S.Assessing the Influence of Health Literacy on Health Information Behaviors:A Multi-Domain Skills-Based Approach[J].Patient Education&Counseling,2015,99(6):1038-1045.
[11] 朱庆华,杨梦晴,赵宇翔等.健康信息行为研究：溯源、范畴与展望[J].中国图书馆学报,2022,48(02):94-107.DOI:10.13530/j.cnki.jlis.2022017.
[12] Sussman S W, Siegal W S. Information influence in organizations: Anintegrated approach to knowledge adoption[J].Information System Research,2003,14(1):47-65
[13] 邓胜利,管弦.基于问答平台的用户健康信息获取意愿影响因素研究[J].情报科学,2016,34(11):53-59.DOI:10.13833/j.cnki.is.2016.11.011.
[14] 莫秀婷,邓朝华.健康自我效能对基于社交网站采纳健康信息的影响分析[J].中国卫生统计,2015,32(05):753-757.
[15] 韩啸,黄剑锋.基于社会资本理论的城市老年人健康信息采纳研究[J].西南交通大学学报(社会科学版),2017,18(03):95-104.
[16] 李桂玲,曹锦丹,王崇梁,兰雪.信息行为干预对不良健康行为改变进程的影响研究[J].图书情报工作,2017,61(23):108-113.DOI:10.13266/j.issn.0252-3116.2017.23.013.
[17] 曹锦丹,王崇梁.健康行为改变不同阶段的信息框架效应概念模型研究[J].图书情报工作,2019,63(05):23-31.DOI:10.13266/j.issn.0252-3116.2019.05.003.
[18] 朱庆华,杨梦晴,赵宇翔等.健康信息行为研究：溯源、范畴与展望[J].中国图书馆学报,2022,48(02):94-107.DOI:10.13530/j.cnki.jlis.2022017.
[19] 彭思豪. 抖音健康类短视频用户信息行为影响因素研究[D]. 西南交通大学, 2020.
[20] 李力, 韩平, 张弘, 等. 启发-系统式线索对移动短视频用户健康信息采纳的影响研究——基于 SEM 和 QCA 的混合方法[J]. 农业图书情报学报, 2023(01):73-86.
[21] 王兴兰, 胡虹, 肖廷超. 大学生健康科普短视频采纳行为的影响因素实证研究[J]. 情报探索, 2023(02):84-89.
[22] 刘助. 在线健康社区的用户信息采纳影响因素研究[D]. 西安电子科技大学, 2021.
[23] 朱云琴, 陈渝. 双路径视角下在线健康社区用户健康信息搜寻行为影响因素研究[J]. 图书馆杂志, 2022,41(10):83-96.
[33] Sun Y L, Hwang H, Hawkins R, et al. Interplay of Negative Emotion and Health Self-Efficacy on the Use of Health Information and Its Outcomes[J]. Communication Research, 2008,35(3):358-381.DOI:
10.1177/0093650208315962.
[34] 胡颢琛. PGC 健康信息特点和医生博主信任机制构建——以小红书平台为例[J]. 青年记者, 2023(02):65-67
完整论文和附图均在附件PDF中