面向健康類虛假廣告群體智慧對個體決策影響研究

呂檸 夏志杰

摘要：[目的/意義]偽健康信息廣泛傳播會給公眾健康帶來不可預測的風險，探究在線社會化學習對公眾偽健康信息甄別、分享和虛假宣傳認知的影響，有助于從社會化學習角度幫助公眾進行理性健康決策以及促進偽健康信息治理。[方法/過程]通過設計實驗，選取已被證實的偽健康信息作為實驗材料，運用配對樣本T檢驗、獨立樣本T檢驗、單因素ANOVA檢驗分析在線社會化學習對公眾偽健康信息甄別和自信程度的影響，并利用線性回歸探究影響公眾分享行為的因素。[結果/結論]結果發現，在線社會化學習可以提高公眾偽健康信息甄別能力，增強對自我判斷的肯定；用戶背景信息越透明，對風險的認知能力越強；同時信息真實程度對用戶分享行為沒有顯著影響。由此提出相關建議，為社交媒體平臺應對偽健康信息治理提供理論參考。

關鍵詞：偽健康信息；在線社會化學習；信息甄別；社交媒體平臺

分類號：G251

引用格式：呂檸， 夏志杰. 面向健康類虛假廣告群體智慧對個體決策影響研究[J/OL]. 知識管理論壇， 2024， 9（1）： 30-42 [引用日期]. http：//www.kmf.ac.cn/p/374/. （Citation： Lü Ning， Xia Zhijie. The Influence of Group Intelligence on Individual Decision-making Under the Condition of False Health Advertising Information[J/OL]. Knowledge Management Forum， 2024， 9（1）： 30-42 [cite date]. http：//www.kmf.ac.cn/p/374/.）

1? 引言/Introduction

虛假、夸大或未經科學證實的偽健康信息，會誘使公眾形成錯誤的健康觀念，采取非理性的健康決策。尤其網絡平臺的開放性，導致在線偽健康信息的生成與傳播更加廣泛、迅速，對公眾健康造成了不可忽視的負面影響。偽健康信息的甄別可大致分為利用人工進行事實核查[1-2]或者利用算法技術自動識別[3-4]，但由于用戶信息加工活動本身的復雜性，僅從信息內容層面針對偽健康信息的甄別還面臨巨大挑戰。

用戶處于信息傳播的中心位置，也對減少偽健康信息傳播起到關鍵作用，尤其是從個體感知角度主動甄別和警惕偽健康信息[5]。一方面，個人健康信息素養會對信息甄別產生影響。公眾健康知識素養水平越高越可以促進健康行為，抵制偽健康信息[6]；或通過參加健康知識方面的普及教育活動，提高個體甄別真實信息和謠言的能力[7]。另一方面，群體或他人的態度也會影響個體對信息的信任。公眾對信息的判斷不僅依賴于個人自身的觀點，也會受到來自其社會網絡的影響[8]，如微信朋友圈在一定程度上降低了人們對偽健康信息的認知[9]；公眾亦可通過社會化學習可以促進個體認知，進而提高信息評估效率[10]。

綜上，如何利用個體感知提高公眾對于偽健康信息的甄別能力值得關注。但現有個體視角的偽健康信息甄別研究，多是基于內在特質（如受教育背景、政治傾向等）的影響進行研究[11]，或者是利用眾包等方法提高個體對信息質量的判斷[12]，鮮少基于社會化學習角度，例如，在線社會化學習如何影響公眾對于偽健康信息的甄別，尤其是當參考群體背景信息不同的時候。因此，筆者在已有研究的基礎上，繼續驗證健康素養水平以及在線社會化學習是否會對公眾甄別偽健康信息產生影響，并進一步深入探究社會化學習的群體背景信息揭示程度是否會影響個體的學習效果，以期為今后偽健康信息治理提供啟示。

2? 相關研究/Related research

2.1? 偽健康信息研究

偽健康信息，也稱“虛假健康信息”“失真健康信息”以及“健康謠言”等，通常是指在健康領域中有關知識、技術、觀念和行為的虛假信息[13]。對于偽健康信息的研究最早來自1912年有關醫療診斷中的錯誤信息[14]，而后擴大到藥品[15]、食品安全[16]等領域，主要圍繞醫學和衛生安全中的偽健康信息進行核查澄清。進入21世紀之后，隨著互聯網的發展，獲取和分享健康信息的渠道變得多元化，不少學者開始對在線偽健康信息展開研究[17]。我國也于2005年開始將偽健康信息作為一個學術概念展開研究[18]。近年來，科學技術的日益進步以及全球重大公共衛生事件的頻繁發生，特別是2020年突發新冠疫情以來，“信息疫情”（infodemic）問題日益嚴重，在線偽健康信息的研究引起了更多學者的關注。目前國內外學者針對偽健康信息的研究大致圍繞以下6個方面：①偽健康信息的概念定義及外延[19]；②不同情景下的偽健康信息傳播[20]；③偽健康信息的構成特征、傳播機理及擴散效果等[21]；④偽健康信息與公眾心理和行為間的關系[13]；⑤偽健康信息的認知糾偏及其影響效果[11]；⑥偽健康信息的傳播干預和質量治理研究[22]。在健康中國戰略實施的背景下，探究偽健康信息的議題尤為重要。

2.2? 在線社會化學習研究

隨著在線社交媒體和知識共享平臺的興起，用戶的社會化學習越來越多地發生在微博、微信以及小紅書等在線社交平臺上。在線社交平臺為公眾提供了與具有不同觀點和經驗的人進行信息交流和學習的機會，外延了社會化學習的概念，有助于實現個體與群體之間的知識建構和創新 [23]。這種知識建構和創新提高了公眾對未知知識的正確判斷，國外學者用一種結合社會特征的電子學習軟件證明，在線社會化學習可以提高學習者的學習成績和知識獲取能力[24]；通過對比實驗發現，社會知識網絡環境下的學習者，展現了更高水平的信息反思和知識建構能力[25]；通過設計游戲揭示，用戶經過與社會網絡鄰居交流可以顯著增強社會學習能力，從而消除在一些話題上的認知偏見，提高解讀科學信息的準確性[26]。但國內學者對于在線社會化學習的研究較少，且現有研究多是從教育學領域分析學生的學習效果[23]，或者是從管理學領域考慮商品定價的學習成本[27]，缺乏從情報學領域探究對偽健康信息甄別的影響。因此，筆者探討公眾通過在線觀察他人判斷的社會化學習過程，是否會對偽健康信息的認知產生影響。

2.3? 信息甄別研究

健康信息過載問題日益嚴重，使得公眾提高對偽健康信息真實性、準確性和可靠性的甄別能力更加重要。一方面有研究發現，公眾的健康知識素養水平越高，其對偽健康信息的甄別能力越強[28]。知識層面健康素養水平高的公眾能更好地理解在線健康信息，而不易被偽健康信息誤導。另一方面，從眾行為等心理因素也會影響個體對偽健康信息的信任?？紤]到在線健康信息的創造和傳播需要用戶的參與，通過與群體進行信息交流、分享等互動行為，最終形成在線社會化學習。個人層面的心理學理論通常無法解釋社交網絡對信息傳遞的影響，因此將用戶看作一個靜態個體進行研究，難以從根本上解決偽健康信息的甄別問題。近年來學者就傾向于關注并整合群體的力量，對社交媒體中廣泛存在的偽健康信息進行甄別[29-30]。針對現有研究較少關注公眾學習行為與偽健康信息甄別的關系，筆者通過設計實驗，探究在線社會化學習對公眾甄別偽健康信息的影響。此外，社會化學習群體的背景信息類型不同，也會對個體行為產生差異影響[31]。故延續前人研究，用對健康知識的判斷來衡量用戶健康素養水平，并將兩種不同健康素養水平的用戶作為參照的社會化學習群體，進一步分析不同信息背景下用戶的信息甄別能力是否不同，以及是否會影響學習效果與分享行為。

3? 研究設計/Research design

本研究采用2（健康素養水平高vs健康素養水平低）×3（控制組vs匿名信息組vs揭示信息組）的兩因素混合設計，被試經過健康知識判斷后被劃分為健康素養水平高或低，為被試間因素，然后被隨機分配到3個背景信息揭示程度不同的組別當中，進行兩輪社會化學習實驗，為被試內因素，以探究在線社會化學習對公眾偽健康信息甄別的影響效果。

3.1? 健康素養水平實驗材料

雖然大眾媒體一直致力于宣傳食品安全和科普健康信息，但社交媒體的興起也伴隨著一些虛假信息，誤導大眾對真實信息的判斷，從而造成負面認知。偽健康信息分享與健康知識水平有關，且社交媒體中用戶關注度較高的是有關科普類生活常識和食品健康的相關問題[32]?；凇?022年度十大科學辟謠榜》《2022年度朋友圈十大謠言》以及《2022年食品安全與健康流言榜》相關內容，筆者分析提取了包括飲食、疾病預防等與健康飲食和日常生活有關的健康知識，并對部分內容進行了真假信息互換修改，以此作為健康素養水平測評的代表性問題。同時對少部分群體進行預調查研究，剔除部分全員判斷正確的虛假信息條目，最終形成11個測評題目（見表1），具體包括4條根據謠言信息改編的真實信息和7條虛假信息。

3.2? 偽健康信息甄別實驗設計

3.2.1? 研究對象

健康素養水平高低對能否成功識別偽健康信息起到重要作用，用戶可以通過社交媒體進行知識學習，從而減少對偽健康信息的接收與傳播[33]。筆者采用隨機抽樣的研究方法，通過社交媒體平臺招募了120名實驗參與者，并要求被試對11條健康類測試問題進行回答。將判斷正確6條及以上的被試判定為健康素養水平高者，將判斷正確5條及以下的被試判定為健康素養水平低者，由此形成兩組獨立的對照群體。同時，被試還提供了他們的網上購物習慣以及性別、年齡和受教育程度等信息。最后，本實驗對作答時間進行控制，將持續時間50秒及以下的用戶進行數據剔除，保證作答的有效性。

3.2.2? 實驗流程

被試首先被要求完成11條健康素養測評問題，然后可以選擇一個自己喜歡的數字進行實驗。不同的數字對應不同的實驗條件，以保證被隨機分配到以下3種實驗條件中的一種：

控制組：對照條件，參與者沒有被置于社交網絡中，進行獨立作答。

條件1：將參與者嵌入到一個匿名的社交網絡（由2名健康素養水平高的用戶和2名健康素養水平低的用戶組成），在這個網絡中被試可以觀察網絡鄰居意見，而不會得到任何身份信息；

條件2：將參與者嵌入到一個社交網絡（由2名健康素養水平高的用戶和2名健康素養水平低的用戶組成），在這個網絡中被試者可以觀察其網絡鄰居意見，同時也會知道他們的健康素養水平，即“健康素養高者”或“健康素養低者”。

條件1和條件2的唯一區別是：在條件2中，參與者可以查看其4個網絡鄰居的用戶名以及每個聯系人的健康素養狀況，且所有聯系人的用戶名都已被屏蔽和標準化，以防止實驗之外的信息影響。實驗設計具體如圖1所示：

低GI（Glycemic Index，升糖指數）飲食是指低升糖指數的飲食方式，強調選擇那些升糖指數較低的食物，有助于穩定血糖水平。近日某公司在其社交媒體上發布了“低GI飲食不僅能減肥，還能防治糖尿病，促進腸道健康，改善便秘，增強運動耐力，改善皮膚健康，預防老年癡呆”的偽健康信息[34]。低GI飲食多用于糖尿病治療，所以對于普通公眾來說該信息可信度是未知的，且有研究證明越是不為人們所熟悉的健康議題，群體糾錯效果越好[9]。故隱藏相關公司信息，選此偽健康信息為實驗材料。

在所有條件中，受試者均先閱讀相關知識背景，并在廣告宣傳的界面下方被要求回答以下問題：“您認為公司發布以上宣傳信息的真實程度”以及“您對以上商品的購買意愿”。通過李克特7級量表來評估偽健康信息的甄別能力和商品的購買意愿，其中1代表“絕對是虛假信息”或“絕對不會購買”，7代表“絕對是真實信息”或“非常愿意購買”。

為了減少社會影響的干擾，各種條件下被試的實驗經歷和材料界面是相同的（見圖2），所以兩類用戶在評估廣告虛假宣傳方面的任何差異都可以歸因于他們對社會信息的接觸。在甄別信息真實程度和購買意愿時，被試有一次機會修改他們的答案。在條件1中，被試會看到其網絡鄰居的平均答案，然后修改回答。在條件2中，被試不僅可以看到網絡鄰居的平均答案，還可以看到他們的用戶名和健康素養水平。

3.2.3? 后測問題

實驗結束后，所有條件下的被試都被要求完成一項后測調查，具體包括4個問題，以衡量：①被試對其信息甄別的自我報告信心；②被試對商品的信任程度；③被試分享商品的意愿；④被試對商品虛假宣傳的負面風險認知。后測調查補充了行為反應數據（即風險認知數據）。結合行為反應數據與定性自我報告數據，可以確定不同網絡社會學習下參與者對虛假宣傳的主觀認知影響，以及根據聯系人的健康素養身份對自我判斷自信的變化。

3.3? 數據分析

筆者采用配對樣本T檢驗經過在線社會化學習，同一組個體前后兩輪中信息甄別的平均值是否存在顯著差異。采用獨立樣本T檢驗經過在線社會化學習，兩種不同實驗條件下個體的信息甄別平均值是否存在顯著差異以及性別特征對健康素養水平分類是否有影響。采用單因素方差分析（One-Way ANOVA）比較經過在線社會化學習，3種不同實驗條件下個體信息甄別、自信判斷和虛假宣傳認知的平均值是否存在顯著差異，年齡、受教育程度和在線購物頻次特征對健康素養水平分類是否有影響。此外，還采用線性回歸建立了商品分享意愿模型，并通過實驗明確個體對于偽健康信息甄別的社會化學習效果。

4? 研究結果/Research results

4.1? 描述性統計

在考察健康素養水平上，問卷共包括11道題目，用戶答對一題計1分，答錯不得分，總分11分。在本次調查中，用戶的“健康素養水平”均值為5.59（標準差=0.18，取值范圍1—9）。雖然也有少部分群體對健康類常識認知程度很低或很高，但所選大部分被試的健康素養水平集中于中等偏上水平，即可以對大部分的健康知識進行正確判斷，由此能很好地區分健康素養高者和健康素養低者。健康素養高者和健康素養低者在性別（t=-1.20，p=0.232）、年齡（F=2.02，p=0.115）、受教育程度（F=1.30，p=0.277）和在線購物頻次（F=1.76，p=0.159）的人口統計學特征上沒有任何顯著差異，具體信息如表2所示：

4.2? 偽健康信息甄別

當參照群體與消費者的自身認知有差異時，群體建議會改變個體的認知水平，從而影響其行為決策?？傮w來說，在兩輪對信息的真實程度判斷上（t=6.17，p<0.001），第二輪的均分（Mean±SD=3.28±1.68）明顯低于第一輪（Mean±SD=4.49±1.86），說明被試經過思考后都會對健康信息的真實程度重新判斷。

圖3顯示了不同實驗條件下被試兩輪信息的誤差變化。在控制組中，兩輪的健康信息真實程度判斷沒有出現顯著差異（t=1.22，p>0.05），評級均值都處于4和5之間，真實程度判斷不明顯。而在條件1（t=3.14，p<0.05）和條件2（t=6.20，p<0.05）中，兩輪信息甄別均出現了明顯差異，信息真實程度判斷評級顯著下降。在有群體作答的提示下，兩種條件的用戶均修改了自己第一輪的答案，并向群體的平均判斷數值（2.75）靠近。這表明通過群體間的信息交流，均加強了用戶的社會學習，從而提高其對偽健康信息的甄別。進一步對條件1和條件2中第二輪信息判斷評級的對比分析發現（t=1.30，p>0.05），被試對于偽健康信息的判斷均沒有顯著差異，這說明無論其網絡鄰居的健康素養水平是否被揭示，都可以顯著提高用戶對于偽健康信息的甄別。

在初次接觸偽健康信息時，健康素養不同的用戶判斷程度可能相同，但健康素養水平越高，判斷健康信息的能力相對更加準確。高健康素養者（F=1.05，p>0.05）和低健康素養者（F=1.50，p>0.05）在3種條件下的第一次廣告信息判斷均沒有發現顯著差異，說明兩種群體在首次接觸廣告信息時對其的判斷程度處于相同狀態。健康素養高的用戶在第一次信息判斷中的均值為3.83，即無法判斷此健康信息是否為真實信息；而健康素養低的用戶在第一次信息判斷中的均值為5.18，即認為該信息有可能是真實信息。雖然無顯著差異，但信息判斷均值所表示的含義卻稍有不同，表明用戶無法肯定自己的判斷，僅僅是選擇了信息的相對屬性。

用戶自身的健康素養水平不同，可能造成不同的社會學習效果。表3進一步對比不同健康素養水平下，被試兩輪信息判斷誤差。在控制組中，無論是健康素養水平高者還是健康素養水平低者，兩輪信息判斷數值均沒有顯著差異。健康素養高的用戶依舊維持自己的原有判斷，無法判斷此條信息情況，但相對偏向認為是虛假廣告宣傳；健康素養水平低的用戶也持續認為此廣告信息有可能是真實信息。在條件1下，兩種群體表現出了不同的社會學習差異，健康素養水平越低的用戶其社會學習能力越強。健康素養高的群體兩輪信息判斷沒有顯著差異，雖依舊認為可能是虛假信息，但在學習網絡群體的觀點之后，也沒有明顯降低判斷數值；健康素養水平低的用戶卻出現了數值顯著降低，從之前認為可能是真實信息，到學習了群體判斷之后，改變自己的態度并與群體靠攏，認為此條健康信息可能是虛假信息。而在條件2下，兩種群體均顯示出了明顯的社會學習行為。健康素養水平高的用戶從第一次無法判斷信息類型，到第二次修改數值認為可能是虛假信息；健康素養水平低的用戶從第一次認為應該是真實信息，到第二次向群體認知靠近，改變態度判斷其應該為虛假信息。在具體揭示相關網絡鄰居的健康素養水平下，用戶都顯著改變了自己的信息判斷類型，使之更接近于真實情況。其中，低素養用戶可能更易受到群體交流的影響，顯著反向改變自己的認知態度。

4.3? 個體自信判斷水平

通過對所有被試在不同條件下對比發現，在了解其社會網絡鄰居的信息之后，被試顯著提高了對自我信息甄別的肯定（F=17.72，p<0.001）。用戶的信息判斷狀況，在3種條件下呈逐漸增加的特點，控制組群體（Mean±SD=3.82±1.41）的自信程度顯著低于匿名網絡（Mean±SD=4.65±1.35）和有健康素養信息的網絡（Mean±SD=5.52±1.04），得分在3個條件下最低，對自我選擇的答案保持一定的懷疑態度。條件1下的群體也顯著高于條件2下，進一步分別對比3種條件下不同健康素養群體，結果如總體一樣，也呈現逐步提高的特點，且無論是健康素養水平高的群體（F=9.21，P<0.001）還是健康素養水平低的群體（F=10.60，P<0.001），經過信息交流的社會學習之后，均顯著提高了自我選擇的自信。

4.4? 分享意愿影響因素

用戶間的信息傳播可以打開商品的渠道通路，因此在實驗結束后對被試進行了后測調查，并利用回歸分析探究了用戶分享商品信息的影響因素。因為第二輪的信息判斷狀況和購買意愿均是經過一定的思考和社會學習之后選擇的，所以研究提取了被試第二輪實驗中的相關數據以及后測問題中對產品的信任程度構建以下回歸模型：

分享商品信息的意愿=0+1商品信任程度+ 2第二次信息判斷程度+3第二次購買意愿程度

公式（1）

在對商品的信任程度和分享意愿上采用李克特7級量表來衡量，1代表“非常不信任”或“非常不愿意分享”，7代表“非常信任”或“非常愿意分享”。在驗證了數據殘差符合正態分布、個案間不存在序列相關性（Durbin-Watson=1.852）以及變量間不存在多重共線性（VIF>5）等前提條件后，通過傳統的線性回歸分析得到了以下公式，且模型調整后的R2=0.690，證明模型擬合度較好，用戶對商品的分享意愿會受到商品信任度以及購買意愿的影響：

分享商品信息的意愿=0.008+0.661*商品信任程度+0.3*第二次購買意愿程度? ? ? ? ? ? ? ?公式（2）

從線性回歸結果（見表4）來看，對商品的信任程度以及購買意愿會顯著正向影響用戶的分享意愿，信任程度越高，購買意愿越強烈，用戶越會傾向于將商品分享給他人。此外，與通常的認知不同[]，對商品廣告信息的真實度判斷上，卻沒有顯著影響，這有可能是因為用戶會傾向于傳播一些有趣的虛假廣告[19]。

4.5? 虛假宣傳認知能力

判斷任務結束后，要求所有條件下的被試使用李克特7級量表（從非常同意到非常不同意）評價其對以下陳述的同意程度：“虛假宣傳對用戶購買有負面和潛在的后果”。通過分析發現，3種條件下的虛假宣傳認知能力存在明顯差異（F=3.78，p<0.05），其中條件2（Mean±SD=6.08±0.89）相比于控制組（Mean±SD=5.33±1.51）和條件1（Mean±SD=5.43±1.48），更加認為虛假宣傳會對用戶造成負面后果。通過比較均值可以發現，經過信息交流，用戶都會進一步提高認為虛假廣告宣傳會對消費者造成不良影響的認知水平。與具體揭示健康素養水平的社交網絡鄰居進行社會學習后，被試對于虛假廣告宣傳的認知能力得到了顯著提升，這表明有關社交群體的信息越透明，越會增加用戶的風險辨別能力。

5? 討論/Discussion

第一，在線的社會化學習可以顯著提高用戶對偽健康信息的辨別能力，且其健康素養水平越高學習效果越明顯。筆者從在線社會化學習的角度驗證了個體經過信息交流之后可以增強對偽健康信息的甄別，這與前人研究結果相同[28]。與以往研究發現[35]不同的是，雖然相較于獨立思考，有群體提示的用戶顯著提高了判斷能力，但無論網絡鄰居的身份信息透明化程度如何，人們都會受到網絡鄰居觀點的影響。這表明用戶對網絡鄰居的具體信息關注度并不高，只要有群體智慧幫助參考，就會更靠近群體答案，也符合心理學中社會認知的收斂效應。此外，研究還發現用戶自身的健康素養水平不同，會造成不同的社會學習效果，這與已有研究結論相符[36]。對于健康類常識掌握的知識水平越高，個體在面對不確定性或信息缺乏的情況下，對信息的判斷能力越強[37]。健康素養水平高的用戶只有在接觸更多具體群體信息之后才會顯著改變自己的態度，而健康素養水平低的用戶只要接觸到群體信息就會改變態度，接觸信息越多，行為改變越明顯。

第二，在線化社會學習可以提高個體對信息甄別的自信水平。對3種條件下自信程度進行對比發現，經過與社會網絡鄰居的信息交流之后，被試均顯著提高了對自我判斷的信任水平。經過群體間信息交流，個體會進一步肯定自己的回答，但社會學習得越多（如了解到其網絡鄰居的健康素養水平），用戶對自己選擇的自信程度越高，也更加符合Sherif實驗中的群體規范化結果[38]。人們在參與群體討論和交流過程中，通過與他人的互動和觀點對比，得到了額外的反饋和驗證，從而對自己的選擇更加有信心。結果證明，通過展示群體智慧可以提高用戶對信息判斷的自信程度，從而對偽健康信息甄別和是否轉發分享進行準確的決策。

第三，健康信息的真實程度與個體的分享意愿間產生了脫節。大眾普遍認為人們應該更愿意分享真實新聞，但筆者通過回歸分析發現，即使經過了一定的群體間社會學習，商品廣告信息的真實程度對于用戶分享商品意愿上并沒有顯著影響，而是僅與對商品的信任程度和購買意愿有關。這與以往研究中發現公眾可能會偏向于傳播其認為有趣的內容相似[39]。在某些情況下，可能存在一些因素會導致人們傳播失真或虛假信息。例如，個體可能出于個人利益或意識形態偏見而有意傳播謠言、誤導性信息或偏見觀點。用戶會在對商品足夠信任以及愿意購買的基礎上分享產品信息，而忽視該商品廣告信息的真假。因此，用戶不但會將真實廣告信息的商品推薦給朋友，也會將自己接觸到的即使知道是虛假廣告的商品推薦給朋友。

第四，在線社會化學習增強個體虛假宣傳認知能力。在虛假宣傳認知方面，研究發現經過在線信息交流之后，用戶會顯著提高對虛假廣告宣傳所造成不良影響的認知水平。人們往往受群體的判斷和行為影響，當多數用戶認為某個廣告宣傳是虛假的時候，其他用戶更有可能接受和相信這一觀點，進而提高對虛假廣告宣傳的敏感度。進而，在具體揭示網絡鄰居信息之后，用戶對于虛假廣告負面影響的認知態度評級顯著提升，這說明有關社交群體的信息越透明，越會增加用戶的風險辨別能力[40]。

6? 結論和建議/Conclusions and suggestions

偽健康信息會對消費者健康以及社會治理產生不良影響，因此提高用戶自身信息甄別能力尤為重要。而群體學習又是個體行為改變的重要因素，故筆者通過實驗設計從個體經過在線社會化學習的角度，通過配對樣本T檢驗、獨立樣本T檢驗、單因素ANOVA檢驗以及線性回歸分析，定量探究了信息交流與學習對偽健康信息的甄別程度、消費者商品分享行為以及虛假宣傳認知的影響。結果發現，在線的社會化學習可以顯著提高偽健康信息的辨別程度，且用戶的健康素養水平越高其學習效果越明顯。此外，在前人研究基礎上，筆者進一步發現，無論參考群體的身份信息透明化程度如何，個體都會受到群體信息的影響。同時，在線社會化學習還提高了個體對信息甄別的自信水平和對虛假宣傳的認知能力。最后，筆者還發現，與普遍認知不同，用戶分享信息行為與信息真實程度沒有顯著相關性。

首先，針對在線的社會化學習提高了用戶對偽健康信息的甄別能力，且其健康素養水平越高學習效果越明顯，筆者建議社交媒體平臺注重用戶間的信息交流，鼓勵個體參與群體學習，以便進行社會學習和知識分享。通過在線論壇或專業社群等方式，鼓勵用戶提出問題、分享觀點和經驗，及時可視化顯示能夠正確識別虛假廣告的用戶，通過展示用戶對于信息判斷的能力，來指示未知信息的相對真實性，以便產生群體規范化，提高用戶的信息甄別能力。

其次，針對健康素養水平越高的用戶，其社會化學習效果越明顯以及信息越透明，在線社會化學習提高個體信息甄別的自信水平和虛假宣傳認知越顯著，建議平臺對未知來源信息推出附加標識警告的功能。對健康素養水平高的用戶判斷為虛假的信息，添加警告標識，以提醒其他用戶注意信息的可靠性，并激發他們對信息的懷疑和進一步調查。

最后，針對用戶愿意分享一些即使自己判斷為虛假廣告的信息給他人，造成虛假廣告信息的廣泛傳播的現象，建議社交媒體平臺加強內容審核流程。對用戶分享的商品信息進行審核和篩查，尤其是一些特殊標題和用詞不當的信息，通過人工審核或使用自動化工具，識別和刪除虛假商品信息，限制信息的傳播范圍。

本研究仍存在一定的局限性與不足，如在實驗的偽健康信息案例選擇上存在主觀性，且為單案例分析。不同的偽健康信息有不同的傳播特征和用戶認知，因此未來將進一步對其他偽健康信息類型進行比較分析。

參考文獻/References：

[1] 羅坤瑾， 陳麗帆.事實核查：社交媒體虛假新聞治理研究[J]. 中國編輯， 2020（8）： 42-46. （LUO K J， CHEN L F. Fact check： research on social media fake news governance [J]. Chinese editors journal， 2020（8）： 42-46.）

[2] WOLFE C， EYLEM A， DANDIGNAC M， et al. Understanding the landscape of Web-based medical misinformation about vaccination[EB/OL]. [2023-07-31]. https：//link.springer.com/article/10.3758/s13428-022-01840-5.

[3] DU J， PRESTON S， SUN H， et al. Using machine learning–based approaches for the detection and classification of human papillomavirus vaccine misinformation： infodemiology study of reddit discussions[EB/OL]. [2023-08-03]. https：//www.jmir.org/2021/8/e26478.

[4] TASHTOUSH Y， ALRABABAH B， DARWISH O， et al. A deep learning framework for detection of COVID-19 fake news on social media platforms[EB/OL]. [2023-08-04]. https：//www.mdpi.com/2306-5729/7/5/65.

[5] HAOUARI F， ELSAYED T， MANSOUR W. Who can verify this？ finding authorities for rumor verification in Twitter[J]. Information processing & management， 2023， 60（4）： 103366.

[6] TURAN N， ?ZDEMIR N G， ?ULHA Y， et al. The effect of undergraduate nursing students e-Health literacy on healthy lifestyle behaviour[J]. Global health promotion， 2020， 28（3）： 6-13.

[7] HUI H， ZHOU C， L? X， et al. Spread mechanism and control strategy of social network rumors under the influence of COVID-19[J]. Nonlinear dynamics， 2020， 101（3）： 1933-1949.

[8] GLASDAM S， STJERNSW?RD S. Information about the COVID-19 pandemic–a thematic analysis of different ways of perceiving true and untrue information[J]. Social sciences & humanities open， 2020， 2（1）： 1-10.

[9] 楊洸， 聞佳媛.微信朋友圈的虛假健康信息糾錯：平臺、策略與議題之影響研究[J]. 新聞與傳播研究， 2020， 27（8）： 26-43， 126. （YANG G， WEN J Y. Health misinformation correction on Wechat moments： the impacts platform strategies and issues [J]. Journalism & communication， 2020， 27（8）： 26-43， 126.）

[10] 張亦文.消費者社會化學習、個體認知與在線消費決策各階段效率的互動關系[J]. 商業經濟研究， 2022（4）： 81-84. （ZHANG Y W. The interactive relationship between consumer social learning， individual cognition and efficiency at each stage of online consumption decision-making [J]. Journal of commercial economics， 2022（4）： 81-84.）

[11] ROITERO K， SOPRANO M， PORTELLI B， et al. The COVID-19 infodemic： can the crowd judge recent misinformation objectively？[C]// DAQUIN M， DIETZE S， HAUFF C， et.al. Proceedings of the 29th ACM international conference on information & knowledge management. New York： ACM， 2020： 1305-1314.

[12] ROITERO K， SOPRANO M， PORTELLI B， et al. Can the crowd judge truthfulness？ A longitudinal study on recent misinformation about COVID-19[J]. Personal and Ubiquitous Computing， 2023， 27（1）： 59–89.

[13] 熊回香， 孟璇， 葉佳鑫.新冠疫情虛假健康信息研究主題與核心要素研究綜述[J]. 圖書情報工作， 2023， 67（7）： 135-149. （XIONG H X， MENG X， YE J X. A review of research themes and core elements of false health information research on COVID-19 [J]. Library and information service， 2023， 67（7）： 135-149.）

[14] PATEK A. Diagnostic misinformation at a health resort[J]. Journal of the American Medical Association， 1912， 59（22）： 1990-1991.

[15] BINGER C. Medical information and misinformation[J]. Mental hygiene， 1947， 31（1）： 1-13.

[16] HUENEMANN R. Combating food misinformation and quackery[J]. Journal of the American Dietetic Association， 1956， 32（7）： 623-626.

[17] EBBINGHOUSE C. Medical and legal misinformation on the internet[J]. Searcher， 2000， 8（9）： 18-27.

[18] 楊再華.偽健康傳播與公民媒介素養[J]. 新聞記者， 2005（4）： 56-58. （YANG Z H. Pseudo health communication and citizen media literacy [J]. Shanghai journalism review， 2005（4）： 56-58.）

[19] WARDLE C. Fake news. its complicated[EB/OL]. [2023-02-12]. https：//medium.com /1st-draft/fake-news-its-complicated-d0f773766c79.

[20] 朱宏淼， 齊佳音， 靳禎， 等.醫聯網環境下失真健康信息傳播動力學模型與干預策略研究[J]. 系統工程理論與實踐， 2022， 42（7）： 1927-1940. （ZHU H M， QI J Y， JIN Z， et al. Research on distorted health information transmission dynamics model and intervention strategy in internet of healthcare system[J]. Systems engineering-theory & practice， 2022， 42（7）： 1927-1940.）

[21] 宋士杰， 趙宇翔， 朱慶華.社交媒體中失真健康信息的傳播、識別與糾偏研究[J]. 情報雜志， 2023， 42（6）： 162-169. （SONG S J， ZHAO Y X， ZHU Q H. A Comprehensive Review on health misinformation dissemination， identification and correction in social media [J]. Journal of intelligence， 2023， 42（6）： 162-169.）

[22] 金燕， 徐何賢， 畢崇武.多維特征融合的虛假健康信息識別方法研究：基于LightGBM算法[J]. 情報理論與實踐， 2023， 46（8）： 156-164. （JIN Y， XU H X， BI C W. Research on health misinformation identification method based on multi-dimensional feature fusion： based on lightgbm algorithm [J]. Information studies： theory & application， 2023， 46（8）： 156-164.）

[23] 喬沛昕， 董玉琦.社會化學習對學生學習成效的影響研究——基于47項實驗和準實驗研究的元分析[J]. 湖南師范大學教育科學學報， 2023， 22（1）： 51-65. （QIAO P X， DONG Y Q. A research of the influence of social learning on students learning effectiveness——a meta-analysis based on 47 experimental and quasi-experimental studies[J]. Journal of Educational Science of Hunan Normal University， 2023， 22（1）： 51-65.）

[24] TROUSSAS C， KROUSKA A， SGOUROPOULOU C. Impact of social networking for advancing learners knowledge in E-learning environments[J]. Education and Information Technologies， 2021， 26：4285-4305.

[25] DUAN J J， LU L， XIE K. Examining knowledge construction in three social interactive learning environments： a comparison of knowledge networks， social networks， and social knowledge networks[J]. Interactive learning environments， 2021， 31（6）： 3914-3938.

[26] GUILBEAULT D， CENTOLA D. Networked collective intelligence improves dissemination of scientific information regarding smoking risks[J]. PLoS ONE， 2020， 15（2）： e0227813.

[27]王淑穎， 張建雄， 唐萬生.考慮社會學習及成本學習的新體驗品定價[J]. 管理科學學報， 2023， 26（2）： 36-48. （WANG S Y， ZHANG J X， TANG W S. Pricing of new experience goods considering social learning and cost learning [J]. Journal of management sciences in China， 2023， 26 （2）： 36-48）

[28] 何藝璇， 閆文捷.誰在社交媒體擴散虛假健康信息？——健康素養與分析性思維的作用[J]. 新聞記者， 2021（7）： 72-85. （HE Y X， YAN W J. Who spreads false health information on social media—— The role of health literacy and analytical thinking [J]. Shanghai journalism review， 2021（7）： 72-85）

[29] BALL P， MAXMEN A. The epic battle against coronavirus misinformation and conspiracy theories[J]. Nature， 2020， 581（7809）： 371-375.

[30] WILLIAMSON P. Take the time and effort to correct misinformation[J]. Nature， 2016， 540（7632）： 171.

[31] PANGARKAR A， RATHEE S. The role of conspicuity： impact of social influencers on purchase decisions of luxury consumers[J]. International journal of advertising， 2022， 42（7）： 1150-1177.

[32] ZHENG C， SONG Y， MA Y. Public opinion prediction model of food safety events network based on BP neural network[J]. IOP conference series： materials science and engineering， 2020， 719：012078.

[33] TONI G L A， JIN Y. Seeking formula for misinformation treatmentin public health crises： the effects of corrective information type and source[J]. Health communication， 2020， 35（5） ：560-575.

[34] 上海市場監管. 曝光！2023年第一批虛假違法廣告典型案例[EB/OL]. [2023-08-22]. https：//mp.weixin.qq.com/s/e9ux7pXdgjKjM4Dg4HUp5Q . （Shanghai Market Regulation. Exposure！ The first batch of typical cases of false and illegal advertising in 2023 [EB/OL]. [2023-08-22]. https：//mp.weixin.qq.com/s/e9ux7pXdgjKjM4Dg4HUp5Q.）

[35] 阮文翠， 夏志杰.社交媒體用戶分享辟謠信息意愿的影響因素分析[J]. 科學與管理， 2020， 40（2）： 39-44. （RUAN W C， XIA Z J. Analysis of influencing factors of social media users willingness to share counter-rumors [J]. Science and management， 2020， 40 （2）： 39-44）

[36] TUREL O， OSATUYI B. Biased credibility and sharing of fake news on social media： considering peer context and self-objectivity state[J]. Journal of management information systems， 2021， 38（4）： 931-958

[37] SCHERER L D， MCPHETRES J， PENNYCOOK G， et al. Who is susceptible to online health misinformation？ a test of four psychosocial hypotheses[J]. Health psychology， 2021， 40（4）： 274-284.

[38] GUR F A， MCLARTY B D， MULDOON J. The Sherifs contributions to management research[J]. Journal of management history， 2017， 23（2）： 191-216.

[39] PENNYCOOK G， RAND D G. The psychology of fake news[J]. Trends in cognitive sciences， 2021， 25（5）： 388-402.

[40] CHON M G. Coping with mental health issues via communicative action in the digital age： testing cybercoping models[J]. Journal of communication in healthcare， 2022， 15（4）： 289-299.

作者貢獻說明/ Author contributions：

呂? 檸：確定論文主題，撰寫論文；

夏志杰：指導研究思路，修改論文。

The Influence of Group Intelligence on Individual Decision-making Under the Condition of False Health Advertising Information

Lü Ning? Xia Zhijie

School of Management， Shanghai University of Engineering Science， Shanghai 201620

Abstract： [Purpose/Significance] The widespread dissemination of false health information will bring unpredictable risks to public health. Exploring the impact of online social learning on public perceptions of false health information identification， sharing and false propaganda can help the public make rational health decisions and promote the governance of false health information from the perspective of social learning. [Method/Process] Through designing the experiment， the verified false health information was selected as the experimental material， and the influence of online social learning on the publics identification and confidence level of false health information was analyzed by using paired sample T test， independent sample T test and single factor ANOVA test. Moreover， the factors affecting the public sharing behavior were explored by using linear regression. [Result/Conclusion] The results showed that online social learning can improve the publics ability to distinguish false health information and enhanced the affirmation of self-judgment. The more transparent the users background information， the better the risk cognition ability. At the same time， the degree of information authenticity has no significant effect on users sharing behavior. Therefore， relevant suggestions are provided to provide theoretical reference for social media platforms to deal with false health information governance.

Keywords： false health information? ? online social learning? ? information judgment? ? social media platform

Fund project（s）： This work is supported by the National Social Science Fund of China titled “Research on Intelligent Governance Mechanism and Operation Strategy of Internet Rumors Supported by Big Data” （Grant No. 21BGL243） and the Shanghai Philosophy and Social Science Planning titled “Research on Dissemination Characteristics of Pseudo-health Information and Multi-agent Collaborative Intervention in the Era of Big Data” （Grant No. 2020BGL005）.

Author（s）： Lü Ning， master candidate; Xia Zhijie， PhD， corresponding author， E-mail： xia_zhijie@163.com.

Received： 2023-07-18? ? Published： 2024-02-23