媒体素养与健康素养的交互作用：基于土耳其人群的数字健康信息获取研究

为解决数字时代健康信息过载与错误信息泛滥的问题，Hatice Mutlu等研究人员基于健康信念模型(HBM)和媒体系统依赖理论(MSDT)，通过广义有序Logit模型(GOLM)分析了土耳其477名受访者的媒体素养四个子维度（获取、分析、评估、传播）对健康 literacy水平的影响。研究发现媒体 literacy技能可显著提升健康 literacy（p<0.05），其中分析能力使健康 literacy提升3.69倍，为公共卫生教育提供了重要干预靶点。

　　

在互联网渗透率达86.5%的土耳其，每10个孕妇中就有1人因社交媒体误导而拒绝妊娠糖尿病筛查——这个触目惊心的数据揭示了数字时代健康信息生态的深层危机。随着OECD国家55%的成年人担忧网络健康 misinformation，如何通过提升媒体 literacy来破解"信息过载却知识匮乏"的悖论，成为全球公共卫生的新课题。

伊斯坦布尔 Beykent 大学（Istanbul Beykent University）的研究团队基于健康信念模型(Health Belief Model, HBM)和媒体系统依赖理论(Media System Dependency Theory, MSDT)，对土耳其477名18-73岁互联网用户展开调查。研究采用土耳其健康素养量表(TSOY-32)和45项媒体 literacy技能量表，通过突破性的广义有序Logit模型(Generalized Ordered Logit Model, GOLM)分析发现：当个体媒体分析能力提升1个单位，其健康 literacy达到"优秀"等级的概率激增3.69倍（p<0.01），这一发表在《BMC Public Health》的成果为数字健康教育提供了精准干预路径。

关键技术方法包括：1) 采用便利抽样法通过数字平台收集485份问卷（有效477份）；2) 使用TSOY-32量表和媒体 literacy技能量表（Cronbach's α=0.9747）评估核心变量；3) 应用GOLM模型解决传统有序Logit模型的平行回归假设限制；4) 通过Kaiser-Meyer-Olkin检验（KMO=0.94）验证数据适切性。

【主要结果】

1. 1.

   描述性统计：样本中46.86%处于"问题性有限健康 literacy"水平，仅10.25%达"优秀"等级，女性占比60%且收入低于男性12%。

2. 2.

   相关性分析：媒体 literacy评估(r=0.3174)、分析(r=0.3121)子维度与健康 literacy显著正相关，但收入相关性不显著(r=-0.0601)。

3. 3.

   广义有序Logit模型：

   • •

     从"充足"到"优秀"健康 literacy的跃迁中，媒体获取(OR=2.91)和分析(OR=3.69)能力起决定性作用

   • •

     媒体健康建议信任度每提升1分，健康 literacy升级概率增加22%（p<0.01）

4. 4.

   假设验证：H_1a(获取)、H_1b(分析)和H₂(媒体建议)假设成立，但H_1c(评估)、H_1d(传播)未达显著性阈值。

这项研究首次在方法论层面突破传统有序模型的局限，通过GOLM揭示媒体 literacy各子维度对健康 literacy的差异化影响机制。尤其值得注意的是，84.3%受访者从未接受过媒体 literacy培训，而他们的新闻节目观看率却高达62.3%——这种"高接触低批判"的媒体使用特征，完美诠释了为何分析能力成为健康 literacy提升的关键瓶颈。

研究建议将媒体 literacy教育嵌入国民课程体系，特别强化"信息解码"和"动机识别"训练。正如Nutbeam提出的健康 literacy三级模型所强调的，仅具备信息获取能力（初级 literacy）不足以应对算法推送时代的认知挑战，必须培养公众对媒体内容政治经济背景的批判性思维（高级 literacy）。该成果为土耳其等新兴数字经济体设计"抗misinformation疫苗"提供了理论框架，其GOLM分析方法更为社会科学研究提供了可复制的计量经济学范式。