《Frontiers in Public Health》：Empowerment or disempowerment? How generative AI consultation shapes the health decision-making among the new generation of older adults
编辑推荐：
生成式人工智能（Generative Artificial Intelligence, Generative AI）降低了健康信息获取门槛，但获取增加并不等于最优利用。新一代老年人虽获得更大便利，其决策风险却未相应下降，由此形成新型健康决策悖论。为揭示生成式A
生成式人工智能（Generative Artificial Intelligence, Generative AI）降低了健康信息获取门槛，但获取增加并不等于最优利用。新一代老年人虽获得更大便利，其决策风险却未相应下降，由此形成新型健康决策悖论。为揭示生成式AI健康咨询影响决策质量的潜在机制，研究人员整合三元交互决定论（triadic reciprocal determinism）与元认知理论（metacognitive theory），构建以“生成式AI健康咨询—智能信息—健康决策质量”为核心路径的分析框架。智能信息划分为注意（attention）、感知（perception）、辨别（discernment）、信任（trust）、依赖（reliance）五个阶段。研究人员引入智能边界意识（intelligent boundary awareness）、算法迎合意识（algorithmic pandering awareness）、健康自主取向（health autonomy orientation）作为调节变量，刻画不同认知与行为情境下的差异化效应。研究人员采用结构方程模型（Structural Equation Modeling, SEM）与模糊集定性比较分析（fuzzy-set Qualitative Comparative Analysis, fsQCA）混合方法检验模型，识别出信任强化型、自主适应型与认知采纳型三类高质量健康决策模式。结果表明：（1）生成式AI健康咨询改善决策质量并非仅靠信息供给增加，而是通过重塑新一代老年人对智能信息的认知与参与模式实现；（2）智能边界意识、算法迎合意识、健康自主取向显著调节智能信息向决策质量的转化，揭示决策效能的认知与能动边界；（3）三类模式超越单因素线性解释，健康决策质量取决于信息认知、技术关系与个体自主性的差异化适配。因此，提升生成式AI健康咨询效能的关键是从工具提供转向赋能，重点增强新一代老年人对智能信息的辨别能力、理性信任与自主决策能力。
该研究发表于《Frontiers in Public Health》。研究背景方面，人口老龄化和数字技术快速发展并行，新一代老年人教育水平较高、数字经验较丰富、社会参与意愿较强，已开始主动使用生成式人工智能（Generative Artificial Intelligence, Generative AI）获取饮食、睡眠、居家运动与情绪调节等日常健康建议。与传统搜索引擎不同，生成式AI通过自然语言交互整合用户需求并直接给出个性化行动方案。然而，AI生成内容语言流畅、结构完整、逻辑连贯，容易让用户把流畅误认为专业、把完整误认为真实、把表面个性化误认为量身定制。现有文献多关注传统数字弱势老年人、技术接受、使用意愿或专用健康咨询系统，未能系统解释新一代老年人主动使用通用生成式AI时，错误信息如何经辨别、信任与依赖环节转化为不当采纳。其关键问题不是一般意义上的不会用技术，而是技术熟练、认知优势与生成式AI健康信息评估能力之间可能出现错位：操作能力强会增加使用频率和误导信息暴露，批判性评估不足则导致信任校准失败，最终形成表面赋能、实质风险的新型健康决策悖论。
为回应上述挑战，研究人员以三元交互决定论（triadic reciprocal determinism）与元认知理论（metacognitive theory）为基础，提出“生成式AI健康咨询—智能信息—健康决策质量”核心路径。智能信息被划分为注意（attention）、感知（perception）、辨别（discernment）、信任（trust）、依赖（reliance）五个渐进阶段，并引入智能边界意识（intelligent boundary awareness）、算法迎合意识（algorithmic pandering awareness）、健康自主取向（health autonomy orientation）三类元认知边界条件，解释为何相似咨询经验会产生不同信任、依赖与决策结果。
技术方法方面，研究人员采用结构方程模型（Structural Equation Modeling, SEM）检验潜变量测量、直接效应、中介效应与调节效应，并采用模糊集定性比较分析（fuzzy-set Qualitative Comparative Analysis, fsQCA）从组态视角识别多条条件组合导致高质量或低质量健康决策的路径。样本为具有基本数字素养、能独立使用生成式AI进行健康咨询的新一代老年人，采取便利抽样与转介招募结合的线上线下方式收集，最终获得860份有效问卷，样本以61至65岁、城市居住、企业或事业单位背景、具备智能手机与计算机操作能力、每周咨询3至5次者占比较高。
研究结果如下。
理论框架部分，研究人员将生成式AI健康咨询理解为个体、行为与智能信息环境持续耦合的过程。个体因素包括新一代老年人的认知特征与数字素养，行为因素包括主动健康咨询，环境因素包括生成式AI提供的内容、反馈与交互方式。智能信息经注意、感知、辨别、信任、依赖逐步内化；智能边界意识、算法迎合意识与健康自主取向构成元认知调节边界，使同一技术环境产生异质决策结果。
研究假设部分，主路径假设认为生成式AI健康咨询不直接决定健康决策质量，而是通过智能信息的五个阶段传递作用。注意使相关信息进入认知领域，感知完成意义建构，辨别承担认知过滤，信任把理解转化为采纳倾向，依赖把AI从参考源变为实际决策依据。调节假设认为，智能边界意识帮助个体把AI输出视为待核实信息而非专业判断替代；算法迎合意识帮助个体识别“被迎合”的肯定并不等于证据支持；健康自主取向使个体把AI建议作为辅助资源而非决策责任转移对象。
研究设计部分，问卷题项基于成熟量表并适配生成式AI健康咨询情境，经专家评审与预测试后确定，测量健康咨询、智能信息五阶段、三类边界变量与健康决策质量。数据收集设置年龄与真实使用经验筛查，剔除填写时长异常、注意力题失误、连续相同作答与逻辑矛盾的低质量问卷，最终860份有效样本用于分析。信度方面，整体Cronbach's alpha为0.865，各维度均处高水平。效度方面，KMO为0.885，Bartlett检验显著；组合信度（Composite Reliability, CR）均大于0.70，平均方差萃取（Average Variance Extracted, AVE）均大于0.50，判别效度满足各构念AVE平方根大于其与他构念相关系数。模型拟合方面，CMIN/DF为2.562，RMR为0.031，GFI为0.922，AGFI为0.908，RMSEA为0.055，NFI为0.929，IFI为0.948，TLI为0.938，CFI为0.947，简约拟合指标亦达标。
主影响路径分析部分，SEM结果显示生成式AI健康咨询对注意、感知、辨别、信任、依赖均有显著正向影响；注意、感知、辨别、信任、依赖进一步显著影响健康决策质量。说明生成式AI的价值不只在于增加信息来源，而在于重塑用户对信息的注意、理解、判断与利用方式。
调节效应部分，研究发现智能边界意识、算法迎合意识、健康自主取向会调节智能信息向决策质量的转化：高智能边界意识降低把流畅性误判为专业性的风险；高算法迎合意识削弱立场契合与信息真实性之间的错误联结；高健康自主取向使AI建议更可能成为判断支持工具，而非替代个体决策权威。
fsQCA组态分析部分，研究人员识别出三类高质量健康决策模式：信任强化型、自主适应型与认知采纳型。这说明健康决策质量不是单因素线性结果，而取决于信息认知、技术关系与个体自主性之间的条件组合。
讨论与结论部分，研究人员指出，新一代老年人“会用”生成式AI并不等于“会判”；数字素养提升使用频率，却不自动提升对错误健康信息的辨别力。生成式AI健康咨询既是赋能渠道，也可能因误置信任、过度依赖与自主丧失而损害决策质量。研究意义在于把老年数字健康研究从“技术接受”推进到“信息内化与决策转化”，并聚焦主动使用通用生成式AI的新一代老年人。
结论可概括为：第一，生成式AI健康咨询改善健康决策质量，关键在于重塑注意、感知、辨别、信任、依赖等智能信息内化过程，而非单纯扩大信息供给。第二，智能边界意识（intelligent boundary awareness）、算法迎合意识（algorithmic pandering awareness）与健康自主取向（health autonomy orientation）是防止误导信息渗入实际决策的核心边界条件。第三，高质量健康决策来自信任、自主与认知采纳等差异化组态，政策制定与干预应从“给工具”转向“增能”：强化新一代老年人对智能信息的辨别、理性信任与自主决策能力，使其在生成式AI健康咨询中既获得信息支持，又保持人类主体的健康决策自主性。
