人工智能与语音助手如何重塑健康信息寻求行为：基于出声思维法的访谈研究

本研究探讨了AI和语音辅助技术（如Google AI Overviews、ChatGPT和Alexa）如何影响人们的健康信息寻求行为（HISB）。通过出声思维法访谈27名参与者，研究发现用户会根据情境、紧急程度和熟悉度混合使用多种工具，虽对AI工具持怀疑态度但仍会利用其高效性。该研究揭示了效用常优先于信任，并强调了数字健康素养和跨平台验证的重要性，为理解AI时代的健康信息行为提供了新视角。

　　

在数字时代，人们越来越依赖网络获取健康信息。根据美国疾病控制与预防中心的数据，超过一半的美国人在过去一年中曾在互联网上搜索健康信息。然而，随着人工智能（AI）和语音辅助技术的快速发展，健康信息寻求行为（Health Information–Seeking Behavior, HISB）正在经历重大变革。传统搜索引擎如Google仍占主导地位，但新兴技术如大型语言模型（Large Language Models, LLMs）（例如OpenAI的ChatGPT）和语音助手（如Amazon的Alexa）提供了新的交互方式——它们往往直接给出“一个”答案，而不是引导用户查阅多个来源。这种转变带来了便利，也引发了新的问题：用户如何与这些工具互动？他们是否信任AI生成的健康建议？这些技术是否改变了人们评估信息可信度的方式？

尽管已有大量研究探讨了在线健康信息寻求行为，但大多数模型建立在这些AI工具普及之前。例如，Freimuth等人早在1989年提出的HISB六步模型，强调了从目标设定到信息评估的整个过程。近年来的研究也识别出影响HISB的关键因素，包括年龄、教育水平、健康素养等，并指出效用（utility）、信任（trust）和信息质量是主要驱动因素。然而，AI工具的兴起引入了新的复杂性：它们可能缺乏透明度，存在潜在偏见，甚至无法提供来源引用，这让用户面临更大的误信息风险。同时，早期研究显示，人们对AI的信任取决于任务类型——更愿意相信AI处理机械性任务，而非需要复杂推理或社交互动的任务。语音助手的研究则强调功能可靠性拟人化特征的重要性。

在此背景下，Claire Wardle、Shaydanay Urbani和Eric Wang（均来自美国康奈尔大学传播学系）开展了这项研究，旨在定性探索AI和语音辅助技术如何影响健康信息寻求行为，并评估这些工具是否正在重塑传统模式。他们的论文发表在《Journal of Medical Internet Research》上，通过深入访谈揭示了用户行为的动态变化和上下文依赖性。

研究人员采用出声思维法（Think-Aloud Protocol）进行了定性研究。该方法要求参与者在执行任务时实时口述其思维过程，常用于可用性测试和行为研究。研究招募了27名年龄在19至80岁之间的参与者，通过便利抽样从美国东海岸多个地点（如纽约市、伊萨卡等）选取，以确保样本在年龄、语言背景（包括中文、西班牙语、阿拉伯语等 multilingual 用户）、教育水平和技术经验上的多样性。参与者需在三种平台（Google、ChatGPT和Alexa）上搜索健康信息，包括一个标准化场景（评估圣约翰草对抑郁症的疗效）和一个个人相关的健康查询。访谈过程被录音并转录，最终生成370页文本数据，使用反射性主题分析（Reflexive Thematic Analysis）进行编码和主题识别，重点关注搜索行为、信任感知和平台差异。整个研究遵循伦理批准，参与者获得补偿，数据经过匿名化处理。

研究结果揭示了多项关键发现：

Observations Specifically Related to the 3 Technologies：参与者对三种技术表现出复杂态度。Google的AI Overviews（由Gemini驱动）常被跳过， due to 缺乏来源和信任问题，用户更倾向于查看传统搜索结果。Alexa被视为方便但有限，尤其对于深度健康查询，且常出现链接断裂或导向Amazon页面的问题。ChatGPT则因清晰、快速和生成关键词的能力受到青睐，即使 skeptical 用户也利用其进行总结，尽管普遍担忧其来源和偏见。

AI Tools Within Broader Search Behaviors：AI工具常被整合为更广泛搜索策略的“起点”或比较工具，而非孤立使用。用户通常会在AI生成信息后进行额外验证，例如通过Google搜索确认或咨询专业人士，体现了动态的“混合匹配”行为。

Factors Influencing Platform Choice：平台选择取决于多个情境因素，包括健康问题的严重性（更严重时倾向于多平台验证）、信息用途（如准备医生访问）和使用环境（如驾驶时偏好语音助手）。用户 prior experience 和知识水平也影响互动方式，例如多语言用户面临语音识别挑战。

Characteristics That Make People More Likely to “Use” Content From AI-Powered Technologies：用户更可能使用AI生成内容如果它符合先前知识、引用了可信来源（如政府网站或研究），或有助于指导后续搜索。效用和信任并不总一致——许多用户尽管怀疑可信性，仍会因便利性而使用。

Characteristics That Make People Less Likely to “Use” Content From AI-Powered Technologies：降低使用可能性的因素包括缺乏来源、无人监督感、内置偏见担忧、响应过于简短、语音激活问题以及用户体验障碍（如 broken links）。参与者普遍强调人类参与的重要性，担心AI自主生成健康建议。

讨论和结论部分强调，尽管AI工具引入了新 affordances（如实时对话查询），但传统HISB模型仍然适用。研究发现效用常优先于信任，用户基于 perceived usefulness 而非单纯可信度选择工具，这挑战了技术采纳以可信度为主要驱动的假设。同时，研究揭示了AI素养的不足——许多用户误解技术运作方式（如训练数据的影响），且多语言用户面临特定挑战（如口音识别和文化相关性）。此外，AI工具可能强化“回音室”效应（echo chambers），因LLMs倾向于迎合用户现有信念。

重要意义在于，这些发现呼吁加强数字健康素养教育，帮助用户理解新兴工具的能力和局限。鉴于技术的快速演变，纵向研究和实时观察方法至关重要。研究还建议未来工作应关注AI工具的审计、多语言体验以及人类在机器生成信息中的角色。整体上，这项研究为理解AI如何重塑健康信息寻求提供了初步 insights，并突出了在动态环境中保持批判性评估的必要性。