微信朋友圈中健康信息传播行为研究

金晓玲，冯慧慧，周中允

1 上海大学 管理学院，上海 200444 2 同济大学 经济与管理学院，上海 200092

微信朋友圈中健康信息传播行为研究

金晓玲1，冯慧慧1，周中允2

1 上海大学 管理学院，上海 200444 2 同济大学 经济与管理学院，上海 200092

随着人们对健康信息需求的日益增加以及社交媒体平台的迅速发展，学者和医疗健康从业人员越来越关注健康信息在社交媒体中的传播。在Facebook、Twitter和WhatsApp等众多社交媒体平台中，微信朋友圈因其将人际传播和大众传播相结合的特性而引起广泛关注。同时，健康信息的传播主要依赖于健康信息接收者在朋友圈子中的传播意愿。然而，很少有研究探讨微信(特别是朋友圈)中电子健康信息的哪些特点促使用户对其进行传播。

聚焦依托医疗健康类微信公众号的信息传播，以信息传播相关研究为理论基础，从传播者内在动机的视角，研究微信用户在朋友圈传播电子健康信息的行为的影响机制。梳理信息传播和人际交流的相关研究，从信息内容的社会特征、情绪特征、功能特征3个维度中选取7个变量，提出研究假设和模型。进一步，选取医疗健康类微信公众号上发布的健康信息，采用大规模在线问卷调查的方法收集数据，并通过R统计软件对数据进行广义线性回归分析，以验证假设。

研究结果表明，信息的社会特征(有趣性、新颖性、正确性)、情绪特征(令人惊叹性、积极性、富含情绪性)和功能特征(有用性)均对电子健康信息在微信朋友圈中的传播具有显著积极的影响，对电子健康信息的传播行为影响最大的因素为富含情绪性、有用性和有趣性。

研究结论为电子健康服务平台的运营策略提供一定的实践建议，运营者在撰写健康类文章时应当提高话题和内容的有趣性和新颖性，保证信息的正确性，注重通过情绪的渲染使信息内容富有感染力，尤其积极情绪和令人惊叹的情绪，并突出对用户的实用价值。通过以上方式，可使受众乐于阅读并转发健康信息，提高电子健康服务平台的用户参与度和关注度。

微信朋友圈；电子健康信息；信息传播；社会特征；情绪特征；功能特征

引言

随着人口老龄化日趋严重和环境的逐步恶化，人们对健康信息的需求日益增加，而网络社区和社交媒体等互联网平台的快速发展使人们步入了健康信息大数据时代。将这些健康信息向公众普及传播，既可以提高公众健康素养，管理健康行为，又可以提升发布此信息的电子健康服务平台的用户参与度和关注度，从而提高其运营绩效[1]。

作为移动社交媒体的代表，微信朋友圈基于好友关系的传播方式保证了信息传播的质量，更能获得用户的信任，从而能够有效传播健康信息，并成为健康大数据时代的重要信息资源之一[2]。目前已有许多医学从业者利用微信这一中国最流行的社交媒体传播健康信息[3]，然而在微信朋友圈中，有些健康信息被广为传播，有些却鲜少被转发，如何促进健康信息在微信朋友圈中的传播越来越受到研究者和实践者的关注。

本研究探讨哪些因素促进微信用户在朋友圈中传播健康信息。因此，本研究在健康信息传播和微信朋友圈的已有研究基础上，从激发传播者的内在动机角度，探讨微信朋友圈中健康信息传播行为的影响因素。

1 相关研究评述

1.1信息的传播媒介：微信朋友圈

作为中国移动社交媒体的代表，微信(WeChat)因其朋友圈和公众号等功能而兼具了在线社交以及信息发布和传播的综合作用，其在近年来的风靡也受到学界的关注。针对微信的已有研究主要集中在本体问题(如微信的属性和传播特征等)、功能问题和应用问题3个方面。微信的传播特征是学界关注的热点[4]，张宏等[5]从复杂网络理论出发研究微信传播的网络动力学，评价微信网络拓扑结构对网络信息传播的影响；吴中堂等[6]以具体微信公众号为例，通过相关分析和回归分析，揭示微信公众号信息传播的影响因素及其内在规律。

微信朋友圈是用户查看好友发布的信息、自行发布即时信息并对公众号信息进行点赞、评论和转发的社区平台[4]。微信朋友圈的信息传播结构相对简单和封闭，其可见信息仅限于好友转发的内容，无法追根溯源，且只能为朋友圈内的共同好友查看。因此，相对微博等社交媒体，微信朋友圈中的信息传播受到好友的限制，朋友圈中信息扩散的范围比较有限，传播速度较慢；但这种基于好友关系的传播方式降低了信息在传播过程中受到的干扰，保证了信息传播的质量[2]。

对于健康信息来说，用户倾向于将其转发给自己的亲朋好友，而微信朋友圈因其强有力的人际传播特点，恰好提供了一个良好的平台。同时，社交媒体是健康信息的重要传播平台之一，微信又是当前中国最流行的社交媒体，从而为微信朋友圈中健康信息传播行为的研究提供便利。

1.2在线健康信息传播行为

在线健康信息传播行为是指用户通过转发和分享等功能扩散他们在互联网上看到的健康类信息。在互联网上，有些健康信息被广为传播，有些却鲜少被转发。在线健康信息的传播与医学从业者的声望、在线医疗健康信息服务平台的运营绩效和健康管理均有重要关系。与品牌信息和突发事件信息等相比，健康信息专业性和实用性更强，具有明确的目的性，以健康为中心，健康信息力图达到改变个人和群体的知识、态度和行为，使之向有利于健康方向转化的目的[7]，因此健康信息的内容特征显得尤为重要。

然而已有在线健康信息传播行为的研究多为诠释性研究，如对健康信息传播的现状、影响、应用等的阐述[8-9]。PARK et al.[10]通过对美国心脏协会、美国癌症协会和美国糖尿病协会在Twitter上发布的微博进行内容分析，探讨健康组织如何使用Twitter传播健康信息；张迪等[11]进行探索性分析，以北京某高校大学生为样本，对新媒体健康信息获取渠道进行调查，发现微信朋友圏是大学生群体获取健康信息最普遍的渠道。只有少数学者探讨健康信息传播的影响因素，如激发情绪的、幽默的、涉及个人层面的原因都会影响与肥胖相关的微博在Twitter上被转发的可能性[12]，而健康素养以及对待信息的态度等个人因素会影响心脏健康信息的转发[13]。因此，现阶段对于社交媒体中健康信息传播影响因素的实证研究并不多见。

已有在线信息传播行为研究中，学者们探讨内容因素对信息传播效果的影响，如话题类别、@符号的使用、链接、标签等[14-15]，很少有研究从转发者内在动机的角度研究信息内容特征。而过去已经有一些研究探讨信息(如新闻和口碑类信息)传播行为的心理学动机，即驱使用户分享或转发信息以满足需求的内在动力[16]。本研究梳理已有研究发现，人们传播信息主要有以下3个方面的内在动机。

(1)信息传播的主要动机之一是社会性动机。人们讨论和转发的信息内容均会影响他人对自己的看法，而通常人们期望产生较好的印象，因而人们在转发信息时会注重信息的有趣性和新颖性等达到提升自我表现的目的[17]。例如，用户转发微博可能是出于赞同某人观点、增强自我表现或者提升社会荣誉等因素[18]；又如，公众会倾向于传播话题比较有趣的科学论文，以提升在他人心中的形象[19]。

(2)信息传播的另一重要动机是情绪性动机。即加深内容的情绪性，通过信息内容的情绪渲染以加强信息发布者与信息接收者之间的社会联系[20]。已有研究发现，富含情绪的信息有助于信息传播[21]，同时含有积极情绪的内容更容易被传播，且高激活的情绪有利于信息传播[22]；也有学者认为，作为人类的基本动机，自我提升心理会促使消费者传播消极的信息[23]。

(3)功能性动机也是人们传播信息的重要动机之一。如人们往往会向他人转发有实用价值的信息[17]。已有研究表明，信息中包含的价值可以促使用户转发故事、新闻或者营销类信息等，这也许是因为转发有价值的信息可以帮助他人，或者转发这类信息可以使他们感觉自己更聪慧和博识[22]。

综上所述，现阶段对于在线健康信息传播行为的实证研究并不多见，而信息传播领域的研究较为丰富。①已有关于信息传播的研究对象主要集中在品牌信息、新闻及突发事件信息[24-26]等，极少关注健康信息；研究平台以Facebook、Twitter和新浪微博为主[27-29]，很少有研究关注微信朋友圈。②已有关于信息传播内容影响因素的研究很少基于传播者内在动机角度[28-30]。③已有研究对于信息转发行为大多采用转发数量衡量[31-32]，很少采用转发意向或可能性衡量分享者的主观意愿。因此，本研究以信息传播领域相关研究为理论基础，基于转发者内在动机的视角，分析在线健康信息传播行为的影响因素。

2 研究模型和假设

本研究旨在探讨微信朋友圈中的健康信息传播行为，即微信用户转发健康信息到朋友圈的行为。在已有信息系统使用研究中，意向被广泛用于解释行为的先行状态[33-34]。一方面，意向与行为之间有较强的相关关系[35]；另一方面，微信本身的局限性使收集微信朋友圈中实际的信息转发行为数据较为困难。因此本研究通过用户的健康信息转发意向，即用户在网络中转发健康信息的意愿，衡量其健康信息传播行为。

根据已有研究，用户信息传播行为基于社会性、情绪性和功能性3类动机，这3类动机分别由包含信息内容的社会特征、情绪特征和功能特征触发[36]。

2.1信息社会特征

信息社会特征是指用信息表达独特性、自我效能和社交需求等的特性，用户会转发一些新的或者高质量的信息以提高自身的形象或声望[36]。例如，有趣的新闻文章会更容易登上纽约时报的热门排行榜[22]；新颖的事物一般更能引起人们的注意，领导能让此类故事或广告更受欢迎[37]。另外，健康信息不同于其他类型信息，其要求信息内容正确无误，否则经过传播后果可能相当严重[8]。从理论上讲，在健康信息的传播中，用户同样可能出于自我提升的动机，而倾向于转发有趣、新颖、正确的健康信息。因此，本研究提出假设。

H1信息的有趣性对微信用户将健康信息转发到朋友圈的意向具有积极影响。

H2信息的新颖性对微信用户将健康信息转发到朋友圈的意向具有积极影响。

H3信息的正确性对微信用户将健康信息转发到朋友圈的意向具有积极影响。

2.2信息情绪特征

信息情绪特征是指信息内容引发的情感也会影响用户对信息的转发行为[17]。已有研究表明，惊叹作为一种高激活的积极情绪，会促进信息的转发，因为大多数人宁愿去转发那些积极、乐观或者让他人感觉良好的信息，而不是那些让他人感到悲伤或沮丧的信息[22]。并且积极情绪更有助于拓展人们的注意、认知和行为范围，对行为的产生有推动作用[38]。已有研究发现，激发情绪会提升与肥胖问题相关的微博在Twitter上被转发的可能性[12]。此外，带有情绪色彩的信息更容易引发用户的信息转发行为，因此，理论上富含情绪的健康信息也应当更容易被转发[37]。因此，本研究提出假设。

H4信息的令人惊叹性对微信用户将健康信息转发到朋友圈的意向具有积极影响。

H5信息的积极性对微信用户将健康信息转发到朋友圈的意向具有积极影响。

H6信息的富含情绪性对微信用户将健康信息转发到朋友圈的意向具有积极影响。

2.3信息功能特征

信息功能特征体现的是信息的效用。对于健康信息，有用性应是对其影响最大的属性，即信息应具有实际使用价值，能够帮助用户了解科学的健康知识，从而对用户的健康产生直接影响。已有研究表明，有用的故事或营销类信息更有可能被广泛转发和传播，用户也往往更青睐于转发有用的信息，原因有二。其一，转发这类信息可以使转发者感觉自己更聪慧和博识[37]。其二，有用的信息具有一定的社会交换价值[39]，通过转发有用的信息，转发者可以达到互惠的目的。因此，本研究提出假设。

H7信息的有用性对微信用户将健康信息转发到朋友圈的意向具有积极影响。

综上所述，本研究的理论模型见图1。

图1 理论模型Figure 1 Theoretical Model

3 研究方法

3.1研究设计

3.1.1 问卷设计

本研究采用问卷调查的方式收集数据，在假设模型和文献分析的基础上设计问卷和测量量表，共包含8个变量，问卷变量、测量题项及其来源见表1。

表1 测量量表Table 1 Measurement Scales

参考MILKMAN et al.[17]的研究，测量转发到朋友圈的意向。参考BERGER[37]的研究，测量信息社会特征中的有趣性和新颖性；参考WIXOM et al.[40]的研究，测量信息社会特征中的正确性。参考BERGER et al.[22]的研究，测量信息情绪特征中的令人惊叹性；参考MILKMAN et al.[17]的研究，测量信息情绪特征中的积极性和富含情绪性。参考BERGER[37]的研究，测量信息功能特征中的有用性。

问卷分为3个部分。首先，调查用户将看到健康帖子转发到朋友圈的意向，采用5级语义差别量表，1为非常不可能转发，5为非常可能转发。然后，要求用户对其看到的帖子的7个内容特征进行评分，采用5级语义差别量表测量信息的有趣性、新颖性、正确性、令人惊叹性、富含情绪性和有用性，如“看完这个帖子之后，您觉得这个帖子的内容”，1为一点也没有趣，5为非常有趣；采用Likert 5级量表测量积极性，如“这个帖子的内容对我造成极大的积极性影响”，1为非常不同意，5为非常同意。最后，将用户的个人特征作为控制变量，包括性别、年龄、教育程度、职业等人口统计学变量，以及微信使用时间和使用频率等。

3.1.2 数据收集

本研究借助问卷星平台的情景随机功能，采用基于情景的问卷调查方法收集数据。首先，通过网络了解目前较热门的医疗健康信息微信公众平台，选择“好大夫在线”作为信息采集的来源，于2015年11月10日利用网络爬虫技术采集“好大夫在线”微信公众平台发布于2015年11月9日之前的200个涉及健康、饮食、运动和保健类的帖子，并按照时间先后顺序选取其中含有作者信息的图文信息贴。由于帖子需要作为情景录入问卷星系统，而该平台自身存在容量限制，因此最终录入159个帖子，帖子的发布时间为2015年8月3日至2015年11月9日。然后通过问卷星平台的情景随机功能，使用户随机抽到帖子，并针对帖子的内容回答已设计好的问卷问题。在正式发放问卷之前，请30名大学生对问卷进行预先测试，得到问题反馈并修正问卷。然后用问卷星将调查问卷发布出去，通过社交网站等各种渠道发布链接邀请微信用户作为实验对象进行填写。在2015年11月下旬，为期约两周时间，共收集到1 083份答卷。为检验回答者的态度认真与否，在问卷中插入“2+2=？”这个问题[41]。最终剔除36份不认真填写的答卷，保留1 047份有效问卷，有效回收率为96.676%。每个帖子有5人～10人有效回答(平均7人有效回答)。利用SPSS统计软件测量各个变量的评分者间信度，即不同评分者对同一帖子特征评分的一致性，采用单因素方差分析法进行计算，评分者间信度多数大于0.400，表明信度可以接受[42]。

3.2数据分析

3.2.1 用户特征描述性统计分析

首先对样本的人口统计学特征和微信使用情况做描述性统计分析，样本的平均年龄为30.485岁，各个特征的详细分析结果见表2。男女比例比较均衡，教育程度以大学本科以上为主，年龄以40岁以下为主，微信使用时间多为6个月以上，使用频率也多为一天一次及以上。

3.2.2 信息特征描述性统计及相关分析

对信息特征进行均值、标准差和相关性分析，分析结果见表3。描述信息特征的7个变量的得分均值介于3.587～3.951，即用户感知到的样本贴子普遍比较有趣、新颖、正确、令人惊叹、积极、富含情绪和有用。在进行多元回归分析前，本研究采用Spearman相关分析对数据做多重共线性诊断。多重共线性是指线性回归模型中解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以准确估计。

表2 用户特征描述性统计结果Table 2 Descriptive Statistics Results of User Characteristics

表3 信息特征描述性统计和相关性分析结果Table 3 Results of Descriptive Statistics for Information Characteristics and Correlation Analysis

注：**为p<0.010，下同。

Spearman相关分析又称秩相关分析，是利用两变量的秩次大小做线性相关分析[43]。由表3可知，因子间的相关系数大多小于0.500，表明各因子间的区分效度较好，不存在严重的多重共线性问题。

3.2.3 回归分析

广义线性回归分析是较为常见的一类统计分析方法，可用于分析连续型因变量与任意型自变量之间的各种关系。本研究的广义线性模型为

转发意向=α0+α1×性别+α2×年龄+

α3×教育程度+α4×使用时间+

α5×使用频率+μ

(1)

转发意向=β0+β1×有趣性+β2×新颖性+

β3×正确性+β4×令人惊叹性+

β5×积极性+β6×富含情绪性+

β7×有用性+ε

(2)

转发意向=γ0+γ1×性别+γ2×年龄+

γ3×教育程度+γ4×使用时间+

γ5×使用频率+γ6×有趣性+

γ7×新颖性+γ8×正确性+

γ9×令人惊叹性+γ10×积极性+

γ11×富含情绪性+γ12×有用性+ρ

(3)

其中，α0、β0、γ0为常数项，α1～α5、β1～β7、γ1～γ12为自变量回归系数，μ、ε、ρ为误差项。

表4 回归分析结果Table 4 Results of Regression Analysis

注：*为p<0.050，***为p<0.001。

通过R3.2.2统计软件，运用最小二乘法，得到模型的估计系数，并对估计系数进行显著性检验，具体结果见表4。

表4中模型1给出对控制变量(即被试者的用户特征)的线性回归分析结果，模型2给出对信息内容特征的线性回归分析结果，模型3给出对全部变量的线性回归分析结果。回归分析结果表明，7个研究假设均得到支持。信息的有趣性对健康信息在微信朋友圈中的健康信息转发行为意向具有显著积极影响，模型2中，β=0.141,p<0.001；模型3中，β=0.134,p<0.001。新颖性对转发意向具有显著积极影响，模型2中，β=0.118,p<0.010；模型3中，β=0.125,p<0.001。正确性对转发意向具有显著积极影响，模型2中，β=0.110,p<0.010；模型3中，β=0.097,p<0.010。令人惊叹性对转发意向具有显著积极影响，模型2中，β=0.122,p<0.010；模型3中，β=0.127,p<0.010。积极性对转发意向具有显著积极影响，模型2中，β=0.132,p<0.010；模型3中，β=0.120,p<0.010。富含情绪性对转发意向具有显著积极影响，模型2中，β=0.277,p<0.001；模型3中，β=0.237,p<0.001。有用性也对微信用户在朋友圈中的健康信息转发意向具有显著积极影响，模型2中，β=0.228,p<0.001；模型3中，β=0.205,p<0.001。且比较模型2和模型3可知，即使有控制变量，所有假设也均得到验证。由估计系数可知，对于健康信息的传播行为影响大小依次为信息内容的富含情绪性、有用性和有趣性。在各项人口统计学特征中，年龄对微信朋友圈中健康信息的转发意向具有显著积极影响，模型1中，β=0.036,p<0.001；模型3中，β=0.015,p<0.001。教育程度对转发意向具有显著消极的影响，模型1中，β=-0.173,p<0.050；模型3中，β=-0.175,p<0.010。此外，微信用户的使用频率也会显著积极地影响微信朋友圈中的健康信息转发意向，模型1中，β=0.277,p<0.001；模型3中，β=0.113,p<0.001。

4 结论

本研究从信息内容的3个维度探讨7个因素对微信朋友圈中健康信息传播行为的影响，采用问卷调查的方法收集数据，通过R统计软件对数据进行广义线性回归分析，以验证假设。

研究结果表明，信息的有趣性、新颖性、正确性、令人惊叹性、积极性、富含情绪性和有用性均对用户健康信息的传播行为具有显著积极影响。从信息内容的社会特征角度看，与先前的研究成果一致，在微信朋友圈中转发有趣、新颖的信息或者正确的信息，均能够提升自我形象，因而促使用户传播此类健康信息。从信息内容的情绪特征角度看，越能诱发令人惊叹性、积极情绪或者蕴含情绪丰富的信息，越容易得到传播。从信息的功能特征角度看，健康信息本身可能更注重信息的有用性，即满足用户对解决健康问题的需求，因此用户可能会依据健康信息的感知实用性而进行转发。另外，信息内容的7个影响因素中，对于健康信息的传播行为影响较大的因素依次为富含情绪性、有用性和有趣性。

从用户个人特征角度看，用户的年龄和使用频率对其健康信息传播行为具有显著积极影响，这与已有研究成果一致。用户年龄越大，面临的健康问题可能越多，更加关注健康问题，也更可能转发健康信息给自己的朋友或家人。用户使用微信的频率越高，其接触到高质量信息的机会可能性越大，可能更乐于转发信息。用户的教育程度对健康信息的传播行为也具有显著影响，却是负向的，即用户的教育程度越高，转发健康信息的意向越小。这可能是因为高学历的用户知识面较广，健康素养一般也较高，而健康素养越高的人越不会转发健康信息[22]。

(1)理论意义

①本研究从研究对象和平台两方面拓展了关于信息传播的已有研究。从研究对象看，已有在线信息传播行为的研究极少关注健康信息，本研究弥补了该类信息在信息传播行为研究中的理论不足，以健康信息作为研究对象，探讨用户对该类信息分享行为的影响因素；从研究平台看，本研究弥补了对微信(特别是朋友圈)平台中的信息传播行为研究的不足。②本研究从转发者的内在动机角度研究信息内容特征，研究结果表明，信息的社会特征、情绪特征和功能特征3个维度均对电子健康信息在微信朋友圈中的传播行为具有重要影响，且信息内容的富含情绪性、有用性和有趣性较为重要。③已有研究对于分享行为大多用转发数来衡量，多采用二手数据分析的方法，本研究采用分享到朋友圈的可能性测量研究对象的主观意愿，并借助问卷星平台的情景随机功能实施问卷调查，以收集用户感知层面的数据，丰富转发行为的研究。

(2)实践意义

①健康知识从专家到公众的传播可以加强知识的影响，将健康领域的科学知识、科学方法、科学精神向公众普及传播，也可以使公众对健康信息变被动接受为主动获取和参与，进而提升公众健康素养和健康行为管理水平。②本研究可为在线医疗信息服务商(如健康类微信公众平台)的运营策略提供一定程度的指导，平台运营者在撰写健康类文章时，在信息的社会特征方面，应注重话题和内容的有趣性、新颖性，以吸引用户，同时保证信息本身的正确性和科学性，从而使用户乐于转发该信息以提升自我形象；对于信息的情绪特征，可以通过情绪的渲染，尤其积极情绪和令人惊叹的情绪，以使信息内容富有感染力，从而促使用户进行转发和传播；对于信息的功能特征，结合健康信息本身的特点，应尽可能发布对用户有实用价值的信息，即可以帮助用户了解或者解决健康类问题的科学信息，从而满足用户对于健康知识的需求。并且在撰写健康类文章时，应特别注重富含情绪性、有用性和有趣性。健康平台运营者也可以根据受众的年龄段、受教育程度和微信的使用频率进行有针对性的信息推送。通过以上方式，可以使受众乐于阅读并转发和传播健康信息，提高信息服务平台的用户参与度和关注度，提高平台的运营绩效，也可以提升医学从业者的声望。

(3)研究局限和展望

本研究仍存在不足之处，有待未来研究加以解决。①目前许多人无法接收到权威的声音，很难仅凭自己的能力去辨认真伪，因此对非医学从业者来讲，信息来源的可信度是决定其关注和转发该信息的重要影响因素。在后续研究中可以从该角度出发，加入相关变量，如信息来源的专业性和权威性[44]，对用户的信息传播行为进行分析。②已有研究表明，受众群体的大小会影响信息传播行为[45]，未来可以对转发给朋友、转发到微信群、转发到朋友圈3种情况进行对比，探讨受众群体的大小对健康信息传播行为的影响。另外，信息质量作为一个重要因素，未来也需要考虑，而信息内容的功能特征除了有用性还包括相关性等，未来也可以进行补充。③其他的信息行为也可以纳入后续研究中，如点赞、评论和采纳等。

[1]PARK H,RODGERS S,STEMMLE J.Analyzing health organizations′ use of Twitter for promoting health literacy.JournalofHealthCommunication,2013,18(4):410-425.

[2]童慧.微信的传播学观照及其影响.重庆社会科学,2013(9):61-66.

TONG Hui.Research on Wechat according to communication study and its influence.ChongqingSocialSciences,2013(9):61-66.(in Chinese)

[3]HUANG E.Building a patient-centered hospital web site:best practices in China.InternationalJournalofHealthcareManagement,2015,8(3):137-145.

[4]李文芳.微信时代健康传播的特征与应用探讨.新闻大学,2014(6):149-154.

LI Wenfang.Micro-channel era of health propagation characteristics and application.JournalismBimonthly,2014(6):149-154.(in Chinese)

[5]张宏,李杰.复杂网络的微信网络信息传播研究.科学技术与工程,2014,14(17):244-247.

ZHANG Hong,LI Jie.Study on Wechat network information flow based on complex network.ScienceTechnologyandEngineering,2014,14(17):244-247.(in Chinese)

[6]吴中堂,刘建徽,唐振华.微信公众号信息传播的影响因素研究.情报杂志,2015,34(4):122-126.

WU Zhongtang,LIU Jianhui,TANG Zhenhua.On influential factors of Wechat official account information transmission.JournalofIntelligence,2015,34(4):122-126.(in Chinese)

[7]YI M Y,YOON J J,DAVIS J M,et al.Untangling the antecedents of initial trust in web-based health information:the roles of argument quality,source expertise,and user perceptions of information quality and risk.DecisionSupportSystems,2013,55(1):284-295.

[8]JIANG J,TONG Y,TAN S S L.Do you retweet heath advice on microblogging platforms?The effects of health topic and website design on credibility assessment∥ProceedingsoftheThirtyThirdInternationalConferenceonInformationSystems.Orlando,2012:1-11.

[9]SPENCE P R,LACHLAN K A,SPATES S A,et al.Intercultural differences in responses to health messages on social media from spokespeople with varying levels of ethnic identity.ComputersinHumanBehavior,2013,29(3):1255-1259.

[10] PARK H,REBER B H,CHON M G.Tweeting as health communication:health organizations′ use of Twitter for health promotion and public engagement.JournalofHealthCommunication,2016,21(2):188-198.

[11] 张迪,古俊生,邵若斯.健康信息获取渠道的聚类分析:主动获取与被动接触.国际新闻界,2015,37(5):81-93.

ZHANG Di,GU Junsheng,SHAO Ruosi.A cluster analysis of college students′ health information acquisition channels:active seeking and accidental exposure.ChineseJournalofJournalism&Communication,2015,37(5):81-93.(in Chinese)

[12] SO J,PRESTIN A,LEE L,et al.What do people like to “share” about obesity?A content analysis of frequent retweets about obesity on Twitter.HealthCommunication,2016,31(2):193-206.

[13] CROOK B,STEPHENS K K,PASTOREK A E,et al.Sharing health information and influencing behavioral intentions:the role of health literacy,information overload,and the internet in the diffusion of healthy heart information.HealthCommunication,2016,31(1): 60-71.

[14] VAN DE VELDE B,MEIJER A,HOMBURG V.Police message diffusion on Twitter:analysing the reach of social media communications.Behaviour&InformationTechnology,2015,34(1):4-16.

[15] RUDAT A,BUDER J,HESSE F W.Audience design in Twitter:retweeting behavior between informational value and followers′ interests.ComputersinHumanBehavior,2014,35:132-139.

[16] 赵建彬,景奉杰.在线品牌社群氛围对顾客创新行为的影响研究.管理科学,2016,29(4):125-138.

ZHAO Jianbin,JING Fengjie.The influence of online brand community climate on the customer innovation behavior.JournalofManagementScience,2016,29(4):125-138.(in Chinese)

[17] MILKMAN K L,BERGER J.The science of sharing and the sharing of science.ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2014,111(Supplement 4):13642-13649.

[18] BOYD D,GOLDER S,LOTAN G.Tweet,tweet,retweet:conversational aspects of retweeting on Twitter∥ProceedingsoftheFortyThirdHawaiiInternationalConferenceonSystemSciences.Kauai,HI:IEEE Computer Society,2010:1-10.

[19] 王贤文,张春博,毛文莉,等.科学论文在社交网络中的传播机制研究.科学学研究,2013,31(9):1287-1295.

WANG Xianwen,ZHANG Chunbo,MAO Wenli,et al.Study on the diffusing mechanism of scientific literature in social media.StudiesinScienceofScience,2013,31(9):1287-1295.(in Chinese)

[20] 丁绪武,吴忠,夏志杰.社会媒体中情绪因素对用户转发行为影响的实证研究:以新浪微博为例.现代情报,2014,34(11):147-155.

DING Xuwu,WU Zhong,XIA Zhijie.The empirical research of sentiment factors effect on users′ retweet behavior:a case study of Sina Weibo.JournalofModernInformation,2014,34(11):147-155.(in Chinese)

[21] STIEGLITZ S,DANG-XUAN L.Emotions and information diffusion in social media-sentiment of microblogs and sharing behavior.JournalofManagementInformationSystems,2013,29(4):217-248.

[22] BERGER J,MILKMAN K L.What makes online content viral?.JournalofMarketingResearch,2012,49(2):192-205.

[23] DE ANGELIS M,BONEZZI A,PELUSO A M,et al.On braggarts and gossips:a self-enhancement account of word-of-mouth generation and transmission.JournalofMarketingResearch,2012,49(4):551-563.

[24] 沈璐,庄贵军,姝曼.品牌帖子转发与品牌偏好之间的因果关系.管理科学,2016, 29(1):86-94.

SHEN Lu,ZHUANG Guijun,SUPPANUCH Pan Chudabala.The causal relationship between the forwarding behavior of brand posts and brand preference.JournalofManagementScience,2016,29(1):86-94.(in Chinese)

[25] LEE C S,MA L.News sharing in social media:the effect of gratifications and prior experience.ComputersinHumanBehavior,2012,28(2):331-339.

[26] OH O,AGRAWAL M,RAO H R.Community intelligence and social media services:a rumor theoretic analysis of tweets during social crises.MISQuarterly,2013,37(2):407-426.

[27] PI S M,CHOU C H,LIAO H L.A study of Facebook Groups members′ knowledge sharing.ComputersinHumanBehavior,2013,29(5):1971-1979.

[28] SHI Z,RUI H,WHINSTON A B.Content sharing in a social broadcasting environment:evidence from Twitter.MISQuarterly,2014,38(1):123-142.

[29] 张玥,孙霄凌,朱庆华.基于ELM模型的微博舆情传播影响因素研究:以新浪微博为例.情报学报,2014,33(4):426-438.

ZHANG Yue,SUN Xiaoling,ZHU Qinghua.Research on factors that influence microblog opinion communication based on elaboration likelihood model:taking Sina microblog as an example.JournaloftheChinaSocietyforScientificandTechnicalInformation,2014,33(4):426-438.(in Chinese)

[30] ZHANG L,PENG T Q,ZHANG Y P,et al.Content or context:which matters more in information processing on microblogging sites.ComputersinHumanBehavior,2014,31:242-249.

[31] LIU Z,LIU L,LI H.Determinants of information retweeting in microblogging.InternetResearch,2012,22(4):443-466.

[32] KIM T.Observation on copying and pasting behavior during the Tohoku earthquake:retweet pattern changes.InternationalJournalofInformationManagement,2014,34(4):546-555.

[33] BHATTACHERJEE A.Understanding information systems continuance:an expectation-confirmation model.MISQuarterly,2001,25(3):351-370.

[34] WANG C,JIN X L,ZHOU Z,et al.Effect of perceived media capability on status updates in microblogs.ElectronicCommerceResearch&Applications,2014,14(3):181-191.

[35] VERHAGEN T,FELDBERG F,BART V D H,et al.Satisfaction with virtual worlds:an integrated model of experiential value.Information&Management,2011,48(6):201-207.

[36] LOVETT M J,PERES R,SHACHAR R.On brands and word of mouth.JournalofMarketingResearch,2013,50(4):427-444.

[37] BERGER J.Contagious:whythingscatchon.Chicago,IL:American Marketing Association,2013:111-184.

[38] 王建明,吴龙昌.绿色购买的情感-行为双因素模型:假设和检验.管理科学,2015,28(6):80-94.

WANG Jianming,WU Longchang.Two-factor model of affection-behavior in green purchase: hypotheses and test.JournalofManagementScience,2015,28(6):80-94.(in Chinese)

[39] HOMANS G C.Social behavior as exchange.AmericanJournalofSociology,1958,63(6):597-606.

[40] WIXOM B H,TODD P A.A theoretical integration of user satisfaction and technology acceptance.InformationSystemsResearch,2005,16(1):85-102.

[41] MASON W,SURI S.Conducting behavioral research on Amazon′s Mechanical Turk.BehaviorResearchMethods,2012,44(1):1-23.

[42] SHROUT P E,FLEISS J L.Intraclass correlations:uses in assessing rater reliability.PsychologicalBulletin,1979,86(2):420-428.

[43] SPEARMAN C.The proof and measurement of association between two things.TheAmericanJournalofPsychology,1904,15(1):72-101.

[44] 尤薇佳,李红,刘鲁.突发事件Web信息传播渠道信任比较研究.管理科学学报,2014,17(2):19-33.

YOU Weijia,LI Hong,LIU Lu.Comparison of Web channels for unconventional emergency events information dissemination.JournalofManagementSciencesinChina,2014,17(2):19-33.(in Chinese)

[45] BARASCH A,BERGER J.Broadcasting and narrowcasting:how audience size affects what people share.JournalofMarketingResearch,2014,51(3):286-299.

FundedProject:Supported by the National Natural Science Foundation of China(71201096,71202034,71432007)

Biography:JIN Xiaoling, doctor in management, is an associatea professor in the School of Management at Shanghai University. Her research interests include e-health and social media. Her representative paper titled “Moderating role of gender in the relationships between perceived benefits and satisfaction in social virtual world continuance” was published in theDecisionSupportSystems(Volume 65, 2014). E-mail：kathyjin2011@shu.edu.cn

FENG Huihui is a master degree in the School of Management at Shanghai University. Her research interests focus on information management and e-commerce. E-mail：sailvon@i.shu.edu.cn

ZHOU Zhongyun, doctor in management, is an associatea professor in the School of Economics & Management at Tongji Universityy. His research interests include IT usage and impacts, e-commerce and e-health. His representative paper titled “Attracted to or locked in? predicting continuance intention in social virtual world services” was published in theJournalofManagementInformationSystems(Issues 1, 2012). E-mail：philzhou@tongji.edu.cn

□

AnEmpiricalStudyonHealthcareInformationDiffusionBehaviorinWeChatMoments

JIN Xiaoling1，FENG Huihui1，ZHOU Zhongyun2

1 School of Management, Shanghai University, Shanghai 200444, China2 School of Economics & Management, Tongji University, Shanghai 200092, China

Due to the increasing demands for healthcare information and the rapid development of social media platforms, researchers and practitioners pay more and more attention on healthcare information diffusion in social media. In this paper, healthcare information diffusion refers to content receivers′ willingness to transmit online healthcare information. Among a variety of social media platforms(e.g., Facebook, Twitter, Whatsapp), WeChat Moments have

a great deal of attention as for its combination of interpersonal communication and mass communication. However, investigating the characteristics of online healthcare information that triggers people to diffuse healthcare information in WeChat Moment platform is still in the early stage.

Focusing on healthcare-related information promoted by WeChat Official Accounts, this study examines the factors influencing WeChat users′ intention to share this kind of information in WeChat Moments from the perspective of information transmitters′ motivation. Drawing upon prior research on information diffusion and interpersonal communication, seven characteristics from three dimensions of information content(i.e., social characteristics, emotional characteristics and functional characteristics) are selected to build the research model and hypotheses. Based on the data collected from a large sample of WeChat users through an online survey, we conduct generalized linear regression analysis to test the research model and hypotheses using R statistical software. The results show that interesting, novelty, accuracy, awe, positivity, emotionality and usefulness all have significant positive effects on users′ intention to share healthcare information in WeChat Moments. Among these factors, emotionality, usefulness and interesting are the most important ones.

This study can provide three contributions to the related literature. Firstly, this study examines the diffusion of healthcare information and takes WeChat Moments as the research context which has not been much researched so far. Secondly, we explore the effects of content features on healthcare information transmission from the perspective of information transmitters′ motivation. Thirdly, this study takes sharing intention instead of sharing numbers as the dependent variable to measure the intention of the transmitter. Meanwhile, this study can provide some guidelines for the operation strategy of online healthcare service providers. When phrasing or framing healthcare-related articles, operators should try to draw greater interest and novelty of the content, ensure the accuracy of the information, evoke more positive emotion especially awe, and highlight the practical values to increase users' perceived usefulness. Hence, the audience could be more willing to read and share healthcare related information, and user participation on online healthcare service platforms could also get improved.

WeChat Moments；healthcare information；information diffusion；social characteristics；emotional characteristics；functional characteristics

Date:September 8th, 2016AcceptedDateNovember 30th, 2016

G20

A

10.3969/j.issn.1672-0334.2017.01.007

1672-0334(2017)01-0073-10

2016-09-08修返日期2016-11-30

国家自然科学基金(71201096,71202034,71432007)

金晓玲，管理学博士，上海大学管理学院副教授，研究方向为电子健康和社交媒体等，代表性学术成果为“Moderating role of gender in the relationships between perceived benefits and satisfaction in social virtual world continuance”，发表在2014年第65卷《Decision Support Systems》，E-mail：kathyjin2011@shu.edu.cn 冯慧慧，上海大学管理学院硕士研究生，研究方向为信息管理和电子商务等，E-mail：sailvon@i.shu.edu.cn周中允，管理学博士，同济大学经济与管理学院副教授，研究方向为信息技术使用与影响、电子商务和电子健康等，代表性学术成果为“Attracted to or locked in? Predicting continuance intention in social virtual world services”，发表在2012年第1期《Journal of Management Information Systems》，E-mail：philzhou@tongji.edu.cn