中国用户采纳AI生成健康教育短视频的心理因素：一项PLS-SEM–ANN–IPMA研究

《Frontiers in Psychology》：Psychological factors associated with Chinese users’ adoption of AI-generated health education short videos: a PLS-SEM–ANN–IPMA study

　　

摘要专业翻译 背景： AI生成健康教育短视频正成为数字健康传播的重要形式。与传统健康教育内容相比，此类视频要求用户不仅评估健康信息的价值，还需评估信息来源的可信度、AI生成内容的可信赖性以及自身与健康相关的心理状态。因此，有必要进一步考察影响用户采纳AI生成健康信息的心理因素。 方法： 本研究基于信息采纳模型（Information Adoption Model, IAM），构建了一个包含信息质量、来源可信度、感知有用性、AI信任、健康焦虑与信息采纳意愿的研究框架。研究人员对中国用户开展问卷调查，共获得476份有效问卷。数据采用偏最小二乘结构方程模型（partial least squares structural equation modeling, PLS-SEM）、人工神经网络（artificial neural networks, ANN）和重要性–绩效图分析（importance–performance map analysis, IPMA）进行分析。 结果： PLS-SEM结果显示，信息质量与来源可信度均与感知有用性和AI信任呈显著正相关。感知有用性、AI信任和健康焦虑亦与信息采纳意愿呈显著正相关。在这些因素中，AI信任与信息采纳意愿的关联最强，而健康焦虑虽具有统计学显著性，但效应相对较弱。中介分析进一步表明，感知有用性和AI信任在信息相关因素与信息采纳意愿之间发挥了重要的中介作用。ANN结果同样识别出AI信任是信息采纳意愿最重要的预测因子。IPMA结果进一步显示，AI信任具有最高的重要性，但绩效水平相对不足。 结论： 本研究将信息采纳模型拓展至AI生成健康教育短视频情境，并凸显了AI信任在用户信息采纳过程中的核心作用。研究结果表明，提升透明度、增强来源可信度、提供循证内容以及引入专家审核机制，可能有助于增强用户对AI生成健康信息的信任，并进一步提高其信息采纳意愿。

论文解读文章

一、研究背景与研究问题

健康是个人福祉、生活质量和社会发展的基础。提升公众健康素养与健康信息传播已成为健康治理和健康促进的重要议题。随着互联网平台和智能媒体技术的快速发展，公众获取健康信息的方式正发生深刻变化，呈现出视频化、便捷化、高频化的特征。短视频平台的普及降低了健康知识传播的时空限制，增强了健康信息的可及性、表现力和日常触达能力。在此背景下，健康教育短视频已成为数字健康传播研究的重要对象。

随着生成式人工智能进入健康传播领域，完全或部分由AI生成的健康教育内容正成为用户获取和理解健康信息的新资源。生成式AI能够产出面向用户的健康教育内容、解释复杂医学信息并提供生活方式建议。与传统健康教育短视频不同，AI生成健康教育短视频要求用户不仅评估健康信息本身的价值，还要评估生成过程、信息来源和内容的可信度。

然而，现有研究仍未能充分解释用户对AI生成健康教育短视频的信息采纳机制。一方面，以往研究主要聚焦于一般健康短视频或基于文本的生成式AI健康信息工具，对兼具视频传播与AI生成双重属性的AI生成健康教育短视频关注有限。另一方面，在理论解释上，现有研究更多考察用户对相关内容或工具的接触、使用和反应，较少从信息采纳与个体心理因素整合的视角加以考察，尤其是健康焦虑等心理因素的作用。

信息采纳模型（IAM）强调信息质量、来源可信度和感知有用性在信息采纳中的作用，为研究提供了重要理论基础。但在AI生成健康教育短视频情境中，用户不仅评估信息是否有用，还判断AI生成内容是否可靠、可信和值得信赖。同时，健康问题具有高度个人化和风险关联性，用户在加工此类信息时可能受到健康担忧、疾病风险感知和自我保护需求的影响。因此，有必要将AI信任和健康焦虑纳入IAM，以更好地解释AI生成健康信息的采纳过程。

二、研究设计与方法

本研究基于扩展的信息采纳模型，构建了包含信息质量、来源可信度、感知有用性、AI信任、健康焦虑和信息采纳意愿六个变量的研究框架。研究采用腾讯问卷平台设计问卷，采用七点李克特量表，通过预测试（58份有效问卷）验证了问卷的信度和适用性后开展正式调查。正式调查共回收519份问卷，剔除不完整和全部相同作答的问卷后，获得476份有效问卷，有效回收率为91.7%。样本中男性213人（44.7%），女性263人（55.3%）；年龄主要集中在18–24岁（59.9%）；本科或大专学历占比最高（71.0%）。样本整体偏向年轻化、高学历的网络用户群体。

研究综合运用三种互补的分析方法：偏最小二乘结构方程模型（PLS-SEM）用于检验理论模型中的路径关系及其显著性；人工神经网络（ANN）作为补充性预测分析工具，用于检验PLS-SEM识别出的显著预测因子在数据驱动的预测框架中的重要性排序是否保持稳定；重要性–绩效图分析（IPMA）用于从"重要性"和"绩效"两个维度识别具有实践优化价值的优先变量。三种方法分别服务于理论路径检验、预测稳健性检验和实践优先级识别。

三、研究结果

3.1 测量模型评估

研究通过指标信度、内部一致性信度、收敛效度和区分效度四个维度评估测量模型。所有测量题项的因素载荷介于0.837至0.955之间，超过0.70的推荐阈值。Cronbach's α值介于0.874至0.949之间，组合信度（CR）介于0.922至0.967之间，均高于0.70的标准。平均方差提取值（AVE）介于0.797至0.908之间，超过0.50的推荐阈值。交叉载荷和Fornell–Larcker检验结果支持良好的区分效度。HTMT检验中，AI信任与信息采纳意愿之间的值为0.908，略高于0.90的阈值，但其95%自助置信区间为0.868–0.941且不包含1，表明两个构念仍具有可接受的区分效度。

3.2 结构模型评估

结构模型采用SmartPLS自助抽样程序评估，共5000次重抽样。直接效应方面：信息质量对感知有用性（β = 0.389, p < 0.001）和AI信任（β = 0.105, p = 0.014）均有显著正向影响，支持H1和H2；来源可信度对感知有用性（β = 0.447, p < 0.001）和AI信任（β = 0.404, p < 0.001）均有显著正向影响，支持H3和H4；感知有用性对信息采纳意愿（β = 0.289, p < 0.001）和AI信任（β = 0.409, p < 0.001）均有显著正向影响，支持H5和H6；AI信任对信息采纳意愿的影响最强（β = 0.627, p < 0.001），支持H7；健康焦虑对信息采纳意愿有显著正向影响但效应相对较弱（β = 0.066, p = 0.004），支持H8。

中介效应方面：感知有用性显著中介信息质量与信息采纳意愿的关系（β = 0.112, p < 0.001），AI信任显著中介信息质量与信息采纳意愿的关系（β = 0.066, p = 0.015），感知有用性与AI信任在信息质量与信息采纳意愿之间的链式中介效应显著（β = 0.100, p < 0.001），支持H9a、H9b和H9c。同理，感知有用性显著中介来源可信度与信息采纳意愿的关系（β = 0.129, p < 0.001），AI信任显著中介来源可信度与信息采纳意愿的关系（β = 0.253, p < 0.001），链式中介效应亦显著（β = 0.115, p < 0.001），支持H10a、H10b和H10c。所有假设均获得支持。

3.3 ANN与IPMA结果

ANN分析基于PLS-SEM结果，将达到统计显著性的直接预测因子纳入神经网络模型，结果显示AI信任是信息采纳意愿最重要的预测因子，与PLS-SEM结果一致，验证了关键预测因子重要性排序的稳健性。IPMA结果显示，AI信任具有最高的重要性但绩效水平相对不足，表明AI信任是当前最需要优先改善的关键变量。

四、讨论与结论

研究讨论部分指出，AI信任在用户采纳AI生成健康教育短视频的信息采纳过程中发挥核心作用，其重要性高于感知有用性和健康焦虑。来源可信度通过AI信任对信息采纳意愿的间接效应最强，表明信息来源的可靠性判断在形成AI信任中具有关键作用。感知有用性与AI信任之间存在链式心理过程，即"有用性评价–AI信任形成–采纳意愿"。健康焦虑虽对信息采纳意愿有显著正向影响，但效应较弱，可能因为健康焦虑同时可能引发怀疑或回避。

研究结论部分指出，本研究将信息采纳模型拓展至AI生成健康教育短视频情境，凸显了AI信任在用户信息采纳过程中的核心作用。研究结果提示，提升透明度、增强来源可信度、提供循证内容以及引入专家审核机制，可能有助于增强用户对AI生成健康信息的信任，并进一步提高其信息采纳意愿。研究为改善AI生成健康教育短视频的内容质量、加强来源可信度、培育用户信任以及制定平台治理策略提供了实证依据。