为什么人们对虚假健康信息的易感性不同？——基于信息加工过程组态的分析

曹雅宁 柯 青

(南京大学信息管理学院，江苏 南京 210023)

虚假健康信息(Health Misinformation)指缺乏科学依据、不准确或虚假的健康信息[1]。在传染病疫情背景下，虚假健康信息容易引发信息疫情(Infodemic)——大量谣言或小道消息通过手机、社交媒体及互联网等渠道快速传播，此时用户难以发现可靠信息，容易出现负面情绪[2]。随着后真相时代的来临，人们倾向选择那些自己愿意接受的信息，并将其当作“真相”[3]。面对特征各异的虚假信息，不同个体的敏感程度不同，呈现出易感性(Susceptibility)的差异。所谓虚假健康信息易感性是一种个体倾向，即认为失真健康信息是准确的，并根据错误信息做出健康决策[4]。易感性的差异引起个体的不同反应：低易感性用户对虚假健康信息持怀疑或批判态度，会积极地发表辟谣或质疑评论。高易感性用户则容易相信、采纳或传播失真信息，并陷入焦虑、恐慌、抑郁、疲劳、悲伤等负面状态[5]。探究哪些因素组合致使个体呈现出易感性高低的差异，有助于理解用户面对虚假健康信息的行为，帮助公众增强对虚假健康信息的免疫能力。

从现有文献来看，学界广泛关注了虚假健康信息对个体认知和情绪的影响后果。相较于真实信息，虚假健康信息的煽动性使其传播范围更广[6]，但分析性思维能抑制这种信任或传播行为[7]；这类信息容易诱使人们产生认知偏差，其中，人口特征和焦虑情绪是偏差产生的重要原因[8]；虚假健康信息会显著增加个体的负面情绪[9]。然而，现有文献忽视了这些不良后果的缘由是人们的易感性不同，故本研究的目的是探究哪些因素的组合影响易感性。由于制造与传播虚假信息的主要目标是“操纵”个体的认知或情绪[10]，鉴于此，本文从信息的说服效应视角展开研究。Petty R E等于1986年提出的精细加工可能性模型(Elaboration Likelihood Model，以下简称ELM模型)[11]是一个从信息加工的努力程度来解释认知被影响和改变的双路径模型，与易感性这一表征个体态度被虚假信息操纵的概念十分匹配，由此提出本文第一个研究问题：

RQ1：信息精细加工路径组合如何影响个体的虚假健康信息易感性？

在ELM模型中，精细加工路径选择的影响因素包括能力和动机。但在处理虚假健康信息时，能力和动机组合如何影响加工路径还不清楚。故提出本文的第二个研究问题：

RQ2：在加工虚假健康信息时，能力和动机的哪些条件组合影响精细加工路径选择？

目前，鲜少有研究结合用户背景因素来全面讨论易感性形成机制[12]。ELM模型仅考虑个体动机和能力引起信息精细加工可能性的差异，未关注个体特征之外的外界触发线索。斯坦福大学的Fogg B于2009年提出的福格行为模型(Fogg Behavior Model，以下简称FBM模型)[13]能很好地弥补此不足。该模型认为，个体采取行动或形成某种态度是由动机、能力与触发3个方面共同决定的。FBM模型可解释人们为什么会被虚假信息操纵：动机因素包括情感动机或被社会接受的动机，能力因素包括处理信息的时间或习惯等，触发因素包括易于获取或理解等诱导用户相信、传播假信息的信息特征，三类因素都与人们对虚假信息的感知有关[10]。故提出本研究的第三个问题：

RQ3：动机、能力与触发线索如何共同影响个体对虚假健康信息的易感性？

综上，本研究从信息加工过程的视角切入，通过一个三因素析因设计的在线实验收集数据，利用SPSS和SmartPLS软件进行信效度分析。基于ELM模型、FBM模型等理论构建复杂因果模型，使用模糊集定性比较分析法(fsQCA)探索易感性与精细加工路径影响因素的特定前因条件组合，以丰富信息加工过程的理论研究，完善虚假健康信息用户行为的研究体系。

1 相关研究

牛津词典将易感性(Susceptibility)解释为个体易被影响、伤害或感染的敏感状态，这一概念常见于医学领域，在心理学、传播学中也有探讨。心理学的差别易感性模型(Differential Susceptibility Model)指出，易感性特质体现在个体行为、生理和基因3个层面，该特质导致一些人“可塑性”较高，容易被环境影响[14]。传播学的媒介效应差异易感性理论(Differential Susceptibility to Media Effects Model)解释了为什么有些人对媒介效应较敏感[15]。综合各学科及Scherer L D等[4]的定义，本研究将虚假健康信息易感性定义为个体容易轻信不实健康信息，并受其影响的敏感状态。

社交媒体的出现引起信息传播范式发生变革。有学者提出，虚假信息在社交媒体中的传播模式与病毒在宿主中的传播相似[16]。《辞海》将易感者定义为对某种疾病缺乏免疫力的人或动物。社交媒体中也有虚假信息的易感人群(Susceptible Populations)[17]。已有研究将倾向于信任或传播不实信息的个体识别为易感用户[4,18-19]，他们更有可能点击、分享虚假信息[20-22]。特殊群体对传染病病毒更易感，儿童与接触社交媒体信息最多的青年群体也可能对虚假信息易感[5,23]。

目前，学者发现人口统计或个体特征、信息特征、认知特性等均与虚假信息易感性有关：首先，年龄、人格特质[24]、情绪[25]、信息素养与受教育情况[4]等人口统计或个体特征显著影响易感性。例如，年龄与信任假信息正相关[26]，但在COVID-19背景下，年龄与易感性负相关[27]。Scherer L D等[4]发现高易感性个体受教育程度和健康素养较低。其次，信息渠道[27-28]等信息特征影响易感性，如WHO这一渠道与用户的低易感性相关[27]。信息的表征框架、内容主题对也显著影响用户判断[29]。最后，思维模式或思考习惯，如个体的分析性思维、分析推理能力或批判性思维模式等认知特征有助于辨别假新闻或降低易感性[27,30-32]。正确评估威胁的能力下降，或应对虚假信息威胁的自我效能感减弱都可能致使个体呈现高易感性[33]。

上述研究对初步探究易感性的影响因素起铺垫作用，也为本文提供理论依据。然而，现有研究鲜少关注个体因素、信息特征与认知特性如何同时影响易感性。当前大部分相关研究使用的多元回归或结构方程模型等传统统计技术假定各个变量独立地起作用，单独地讨论要素的“净效应”，忽视多个因素的联动作用[34]。由于易感性是一种复杂的心理现象，受个体和外界多种因素组合的影响，有必要从整体视角探索个体特征、信息特征与认知特性之间的相互作用机制。本文采用模糊集定性比较分析方法，探讨多种因素如何组合在一起解释个体面对虚假健康信息时产生的认知反应，致使个体呈现出不同的易感性。

2 研究模型构建

本研究主要基于ELM模型与FBM模型，探索虚假健康信息易感性与精细加工路径的影响因素组态。

2.1 理论基础

2.1.1 精细加工可能性模型

从认知视角出发，人类是天生的认知吝啬者，使用分析性思维时需调动复杂的认知能力，为了减少精力消耗，更倾向于依赖直觉等认知捷径处理信息[35]，这种不仔细的思考过程会增加个体的易感性[4,36]。基于人类认知的这种特征，本研究采用ELM模型探索易感性的前因组态。

ELM模型描述了个体态度或行为形成的两条信息加工路径。第一条为中心路径(Central Route)，此时个体对信息进行仔细深入的考虑，并付出较多认知努力。第二条为边缘路径(Peripheral Route)，此时个体主要依据语境中的来源等外围线索处理信息，缺乏深入的认知或思考。已有研究发现，仔细思考的过程能提高个体对虚假信息的判断能力，进而减少易感性[37]。Bago B等[32]认为，对虚假信息深思熟虑的认知过程能纠正一些靠直觉判断引起的错误。通过中心路径加工信息时，个体进行深入全面的思考，此时更可能识别出虚假健康信息，从而呈现低易感性。通过边缘路径加工健康信息时，会较多关注热度、来源等外围线索，识别出虚假健康信息的可能性低，此时个体可能呈现高易感性。

在ELM模型中，影响个体精细加工路径选择的主要因素是能力(Ability)与动机(Motivation)。能力越强的个体越倾向使用中心加工路径。能力因素包括先验知识、分心等[11]。在健康信息的情境下，先验知识体现为丰富的健康知识，即较好的健康信息素养。陈忆金等[38]发现，电子健康信息素养高的用户倾向于使用中心路径加工信息。能力维度的另一个因素是分心，该变量可用来描述个体处理信息集中程度。分心扰乱了个体的认知过程，导致需要花费更多认知努力，此时个体倾向选择不需要太多认知负荷和加工深度的边缘路径。分心程度较低时，个体倾向投入更多的认知资源来详细、谨慎地思考信息内容[39]，即通过中心路径加工信息。动机因素包括卷入度，该变量描述了个体对事物的感知关联程度。当感知关联程度高，即具有高卷入度时，个体处理信息的动机更强，此时倾向于使用中心加工路径[40-41]。

除以上变量外，已有研究发现，焦虑也会影响个体精细加工路径选择。高特质焦虑个体处理信息时关注信息来源等外围线索，低特质焦虑个体会更关注内容质量[42]。焦虑使人们容易传播不准确或未经证实的言论，高度焦虑时，信任虚假信息可能会缓解焦虑引发的紧张情绪[43]。因此，焦虑也可视为信息精细加工的动机类因素。

2.1.2 福格行为模型

福格行为模型指出，动机、能力和触发3类因素会影响人们形成某种态度或行为[13]，其中动机维度包含情感(Feeling)与社会接受或拒绝(Social Acceptance or Rejection)；能力维度包含事件、金钱与体力等；触发维度包含诱因(Spark)、促进器(Facilitator)与标记(Signal)。依据福格模型的思想，在虚假健康信息情境下，个体的易感性分别与3个维度有关。

在动机维度，卷入度影响信息精细加工的处理过程，因而也影响易感性。情绪与虚假信息易感性之间可能存在因果作用[44]，健康焦虑情绪影响个体对信息的真实性感知，与虚假健康信息的接受程度呈正相关关系[8]，如Seo H等[45]发现健康焦虑者对COVID-19的虚假信息易感。在能力维度，低信息素养导致个体对虚假信息易感[17]。另外，在社交媒体使用中，分心引起的注意力分散导致用户易被虚假信息欺骗[12,46]。

在触发维度，促进器(Facilitator)可降低行为难度以促进目标行为[13]。个体处理虚假健康信息时，不仅需要调动自身认知，还会根据信息特征辅助判断[47-48]。Gao Q等[49]发现，低情感化的客观陈述会增加虚假健康信息的感知可信度。科学化的语言或客观的描述能提高虚假信息的语言质量，增加其感知可信度，因此用户可能对这类信息易感。信息质量较低时，其感知可信度不高，容易引起用户的怀疑。在以微博为代表的社交媒体中，用户对经专业认证的博主，即专业型“意见领袖”持有相当高的信任感知[50]。从信息接收者态度形成的角度出发，根据霍夫兰德说服模型，信息接收者更易被可靠来源的信息说服[51]，但也有研究认为这一线索不影响用户对健康假新闻真实性的感知[52]，因此，有必要探索信源声誉对易感性的作用机制。社交媒体如微博中信息的大量转发可能导致虚假信息被怀疑，导致其感知可信度降低[49]，说明评论热度可能负向影响易感性。

2.2 组态模型

综合上述理论及相关研究，本文形成的研究模型如图1所示，以下详细阐述各个模型。

1)模型A：能力和动机对精细加工路径的影响。能力和动机是信息精细加工路径的主要影响因素。模型A中能力变量包括健康信息素养和分心，健康信息素养指个体获取、理解、甄别和应用健康信息的能力[53]；分心即分散精力、不专心。动机变量包括卷入度和焦虑，卷入度指个人基于自身的内在需求、价值与兴趣而对事物感知到的关联程度[54]。尽管Petty R E等[11]提出ELM模型时没有意识到情绪会影响精细加工，但已有研究证实焦虑的重要作用[42]。因此，模型A将探讨以上因素影响中心加工路径和边缘加工路径的前因组态，以期发现能力与动机变量之间的互动关系。

2)模型B：精细加工路径、触发线索组合对易感性的影响。高易感性用户明显表现出轻信虚假健康信息的行为，因此，可利用个体对虚假健康信息的真实性感知情况衡量易感性[4,27,55]。本研究参考Roozenbeek J等[27]对易感性的测量方法，请参与者对多条健康信息(包含虚假信息和真实信息)的可靠程度打分。精细加工路径包括中心加工路径与边缘加工路径。根据已有研究，信息特征等外部触发线索影响用户对信息的真实性感知，本文选取的触发线索包括信息质量、信源声誉与评论热度。模型B期望考察认知过程与信息特征如何共同作用于个体的易感性。

3)模型C：人口统计学特征组态对易感性的影响。人口统计特征是易感性的重要影响因素。年龄、性别与是否相信虚假信息有关[56]，职业背景、受教育程度也会影响个体应对虚假信息的行为[4,56-57]。本研究在模型C中探讨的人口统计特征包括年龄、性别、是否有相关职业或专业背景(以下简称相关专业背景)及受教育程度，旨在发现哪类人群更可能呈现高易感性或低易感性。

4)模型D：能力、动机和触发线索对易感性的影响。本研究在模型D中选取的能力与动机变量同模型A，触发线索同模型D。既往研究发现这些变量都与个体的易感性或对虚假信息的感知有关，因此模型D将从整体视角探索3类因素之间的“联动效应”。

图1 研究模型

3 研究设计

本研究采取2×2×2(信息质量高低分组×评论热度高低分组×信源声誉高低分组)的组间在线实验收集数据，使用SPSS和SmartPLS检验信效度。研究主要采用模糊集定性比较分析法，该方法关注变量影响的复杂性与多样性，探索因果非对称性关系，以及条件组合如何共同作用于结果等[34,58]，适合用于考察易感性、精细加工路径的前因组态。

3.1 实验材料与问卷设计

从中国科协科学辟谣平台官方微博(weibo.com/u/6507165034)中选取9条已被辟谣的虚假健康信息作为实验原始材料。首先，将材料处理成9组长度相仿(避免长度产生影响)、质量分别为高和低的陈述，其中，虚假陈述8组，真实陈述1组，共18则。根据虚假陈述的平均得分衡量个体易感性高低，真实陈述用于平衡实验材料，以避免参与者猜测出实验目的或形成判断惯性，其得分不纳入本文分析范围。材料质量高低的处理方法参照Park D H等[59]及Gao Q等[49]，尽可能使高质量信息表述客观、逻辑清晰、可理解性强，并使用一些科学语言或数据，低质量信息主观性、情感性强，较少使用科学化的语言。为了保证信息质量具有区分度，在正式调查前，请5位被试根据评论热度和信息质量高低对已随机化处理的材料进行分类，根据反馈结果进行初步修改。随后，请17位被试(包括图书情报类博士生4人和硕士生13人，不参与正式调研)使用7级李克特量表，从语言规范性、内容可理解性、详实性、客观性4个方面对已随机化处理的18则材料打分。其中，语言规范性指用语的科学程度，可理解性指内容是否容易被理解，详实性指内容是否包含必要的细节，客观性指表述逻辑清晰、情感性弱。最后统计每人打分总分，9组材料中，低质量的文本平均得分均低于高质量文本的平均得分，其中7组通过t检验(p<0.05，包括虚假陈述6组，真实陈述1组)，表明每组的信息质量间存在显著差异，将用于正式实验。材料示例如表1所示。

表1 高质量/低质量材料示例

信源声誉分为高声誉与低声誉来源两组。参照文献[60]，将高声誉来源设计为“认证：知名健康博主”，粉丝数量多；低声誉来源设计为“无认证”，粉丝数量少。两组信源使用相同的随机字母组合的虚拟昵称[51]。评论热度按照转发、评论与点赞数量高低分为高热度与低热度两组[51]。

本研究使用在线问卷收集实验数据，问卷中的量表设计如表2所示，所有题项均来源或改编自现有文献。除易感性使用7级Likert量表外，其他题项均使用5级Likert量表。

表2 量表题项设计及来源

3.2 在线实验流程及数据采集

图2展示了整个在线实验的流程。首先，请参与者阅读测试前说明、确认参加研究(第1步)，并回答问题(第2步)。随后，每位参与者从8组材料中随机抽取1组，进行正式实验，根据抽取的材料回答相关问题(第3步)。图3为正式实验的材料示例，展示了一组材料中的两条信息。参与者完成全部问题后提交答卷，并阅读材料信息的辟谣说明(第4步)。

图2 在线实验过程

图3 正式实验的材料示例(低信息质量、低信源声誉、低评论热度组合)

在线实验问卷使用问卷星制作，并通过网络渠道发放。实验数据采集时间为2022年5月27日—30日，总计回收答卷504份，覆盖全国大部分省市自治区。剔除作答时间少于60秒和甄别题错答的答卷，最终获得456份有效样本，样本回收率为90.47%，有效样本特征如表3所示。回收样本年龄范围为18～56岁，以30岁左右的青年为主。在教育背景分布上，本科学历最多(占39.3%)，大多数样本没有相关专业或职业背景(89.7%)。女性比例高于男性，这与以微博为代表的社交媒体中年轻用户居多、女性活跃用户比例高于男性的情况相似[64]。

表3 样本基本信息的描述性统计

3.3 量表信度和效度分析

本研究采用SPSS和SmartPLS 3[65]进行信效度检验。首先，使用SPSS初步计算量表的Cronbach’s α系数，共有2个题项(LIT3、PER2)被删除，易感性的Cronbach’s α系数为0.858，表明该变量一致性较好。使用SmartPLS3软件进行剩余因子的信效度检验，结果如表4所示，所有潜变量的Cronbach’s α系数取值介于0.656～0.923之间，组合信度都大于0.7，表明各测量项之间具有较好的内部一致性。

使用平均方差萃取量(Average Variance Extracted，AVE)检验收敛效度和区别效度，结果如表4与表5所示。单个题项的因子载荷均大于0.5，且所有变量的AVE都大于0.5，收敛效度较好。AVE平方根均大于该变量与其他变量的相关系数，区分效度较好。

表4 信度分析结果

表5 区别效度

3.4 变量校准

组态分析前需要校准(Calibrate)数据。首先对连续变量取平均值，然后按照5%(Fully Out)、95%(Fully In)和交叉点50%(Cross Point)的分位数锚点校准连续变量[66]。由于以微博为代表的社交媒体用户群体以30岁以下的年轻人为主[64]，将年龄校准的50%分位数锚点替换为30，二元变量直接使用1和0进行分配，所有变量的校准锚点如表6和表7所示。校准后，将包含0.5的连续变量中所有隶属度小于1的值全部减少0.001[67]。

表6 连续变量校准

表7 非连续变量校准

4 定性比较分析结果

4.1 必要条件分析

分别对变量中心加工路径、边缘加工路径和易感性进行必要条件分析，结果如表8和表9所示。两条精细加工路径的单项前因条件一致性均小于0.9，说明单个变量对精细加工路径的解释力较弱，没有指标可成为中心加工路径或边缘加工路径的必要条件[68]。对易感性的必要条件分析，发现非相关专业背景与高易感性的一致性大于0.9，说明非相关专业背景是高易感性的必要条件。

表8 精细加工路径的必要条件分析

表9 易感性的必要条件分析

4.2 前因变量组态分析

对精细加工路径的前因组态(模型A)分析，结果如表10所示。参照文献[69-70]将一致性阈值设置为0.8，可接受的最小个案阈值设置为3，PRI高于0.5。计算结果包括复杂解、中间解和简约解，表10中呈现中间解。

表10 模型A分析结果

模型B探索精细加工路径与触发线索影响高低易感性的组态，一致性、案例数和PRI阈值同上，结果如表11所示。高易感性的前因变量组合有5种组态，其中SE2a、SE2b具有相同的核心条件，构成二阶等价组态[71]。

表11 模型B分析结果

模型C探索个体的人口统计学变量组态对易感性的影响机制，阈值选取同上，分析结果如表12所示。

表12 模型C的分析结果

最后，模型D根据FBM模型探索动机、能力与触发线索构成易感性的前因组态。由于该模型的条件变量较多，将频数阈值提高至5，其他阈值不变。模型D报告内容选取简约解[72]，产生路径如表13所示。

表13 模型D的分析结果

4.3 稳健性检验

本研究选择模型B与模型D进行稳健性检验，参考文献[73]的检验方法，将最小案例阈值增加1。模型B的结果没有发生变化，模型D中的6条路径均属于稳健性检验结果的子集，因此，认为结果具有稳健性[67]。

5 讨 论

5.1 精细加工路径的前因组态

5.1.1 中心加工路径的前因组态

促进个体通过中心路径加工信息的组态有两条(E1、E2)，可归纳为能力强—动机强模式：①分心程度低*高卷入度：此时个体认为信息与自己有较强的相关性，无论是否处于焦虑状态、是否具有较好的健康信息素养，比较专注的习惯能促使其深入处理健康信息；②高健康信息素养*高卷入度：如果个体处理信息时并不高度专注，但由于动机强、健康信息素养较好，此时也愿意付出一定的认知努力全面思考。

组态NE1表明弱中心加工程度的前因路径仅有低卷入度这一条件。一旦个体认为这些信息与自己不相关，就不愿付出认知努力。

综合3条路径，发现卷入度对中心加工路径选择具有重要作用，卷入度受人们感知客体远离自己的程度影响，即心理距离(Psychological Distance)。心理距离较近时，个体具有高卷入度，倾向关注事物具体、客观、目标无关、背景化的特征，即详细、清晰的信息内容；心理距离较远时，卷入度较低，个体倾向于关注信息简单、抽象的特征[74-75]。不过，模型A的结果也表明，仅有高卷入度不能促进个体通过中心路径处理信息，个体还需要具备一定的处理能力。

5.1.2 边缘加工路径的前因组合

促进个体通过边缘路径加工信息的组态有3条，其中前两条均仅有一个核心变量，分别为焦虑与分心。无论能力与卷入度如何，强烈的焦虑情绪易促使个体通过边缘路径处理健康信息(组态P1)。这一现象可用注意力控制理论(Attentional Control Theory)解释。焦虑减少了个体对注意力的控制，导致认知资源分配到其他心理活动[76]，为了减少认知努力，此时个体倾向于使用边缘路径。这一结果印证了DeBono K G等[42]认为高特质焦虑个体在精细加工中倾向于关注外围线索的观点。与Petty R E等[11]在ELM模型的观点相同，习惯分心的个体倾向于使用边缘加工路径处理健康信息(组态P2)，分心扰乱了个体的思考过程，降低处理信息的能力。本研究采用了自我报告的方式测量，因此，产生组态P3的原因可能是达克效应(Dunning-Kruger Effect)。达克效应指部分能力欠缺的个体由于“过度自信”而错误地高估自己的知识水平[77]，在本研究中一些参与者可能错误地评估了自己的健康信息素养。当个体不分心也不焦虑时，即便卷入度较低，也很少通过边缘路径处理信息(组态NP1)。

5.2 高易感性与低易感性的前因组态

5.2.1 触发线索与思考模式组合

模型B的结果表明，高易感性的五条路径呈现为同一模式——强触发线索下的非深度思考。这些路径的触发线索均可认定为强触发线索：由于科学化的表达方式、统计信息会提高信息的感知可信度与感知清晰度[78]，具有这类特征的虚假健康信息的认知难度更高，导致个体易感。不可靠信息的高评论热度容易被认为是“水军”操纵所致，“佐证”用户的推测，但低评论热度无法起到这种辅助作用[49,52]。根据霍夫兰德说服模型，信源声誉能增加感知可靠性，提高说服效果，但模型B的结果与Gao Q等[49]的研究结果相似，个体判断信息准确性时可能并不特别关注信源声誉(博主认证信息)。在强触发线索条件下，如果用户中心加工程度较低，无论是否从边缘路径加工信息，个体都会呈现高易感性。如果个体主要通过边缘加工路径处理健康信息，在强触发线索作用下容易呈现高易感性。类似地，低易感性组态可视为弱触发线索下的深度思考模式。与分析性思维相似，虽然从中心路径加工信息有利于辨别可疑的内容，但面对相对复杂、识别难度高的虚假健康信息，仅凭分析可能仍不足以准确地感知其真实性[30]。

5.2.2 人口统计学特征

模型C的结果表明，不具备相关专业背景的中年女性属于易感人群(SP1)，相关专业背景的中年群体(NSP1)属于非易感人群。必要条件分析(表9)也表明，非相关专业背景是高易感性的必要但不充分条件。高易感人群往往没有相关专业背景，但没有专业背景并不代表用户易感。专业背景使用户拥有丰富的医学和健康专业知识，会认为虚假健康信息的认知难度较低，不会被迷惑也不容易轻信。同时，本研究发现，年龄、性别、受教育程度和专业背景对虚假健康信息易感性的影响具有联合效应，低教育程度、不具备相关专业背景的青年女性(NSP2)是非易感人群。与文献[4]认为受教育程度低的个体易感性较高不同，在组态NSP2中，这类用户反而呈现低易感性。这或许与年龄因素有关，年龄越小，对虚假信息的辨别能力越强[26,79]。本研究划分的青年均在30岁以下，属于“数字原住民”[80]，他们更擅长接受或处理数字化信息，作为“数字原住民”的青年女性可能有更好的信息素养，所以不易被迷惑(NSP1)。从性别角度来看，女性比男性更关注健康信息[81]。组态SP1中的中年女性大多属于“数字移民”，对数字信息的接受或学习能力稍弱于青年群体，而性别又使其对健康话题更关注，可能对健康信息更敏感，因而呈现高易感性。不过，模型C的总体覆盖率不高(0.313和0.285)，低于0.5[67]，说明人口统计特征对易感性的解释能力不强。

5.2.3 触发线索与动机、能力组合

模型D的结果表明，高易感性前因组态可分为两类：第一类组态为高信息质量—强触发线索模式与强焦虑—强触发线索模式，认知难度较高的虚假健康信息导致个体易感(SF1)；第二类组态(SF2、SF3)为强焦虑—强触发线索模式，个体处于强焦虑状态下，如果缺乏深入处理信息的动机，在强触发线索下最终呈现高易感性(SF2)。在强焦虑状态下，即便个体并不分心，但面对强触发线索的虚假健康信息仍可能呈现为高易感性(SF3)，如Li M H等[82]发现强烈的情绪与对信息不加批判地接受有关。在模型D中，焦虑导致用户的认知资源被占用，减少了认知投入，因而较易感。

低易感性组态均可归纳为弱触发线索模式。如果虚假健康信息的质量较低，伪健康信息特征相对明显，则感知可信度较低[81]，而且这些信息的高评论热度能支持用户的怀疑[49]，所以，无论动机、能力高低，面对这类信息时用户都不易感(NSF1)。焦虑的个体容易相信那些诱发恐慌情绪的不实信息，将自己的恐惧情感强化[43]，如果个体不焦虑，认知资源不会被情绪占用，而且也没有焦虑所导致的紧张情绪，在伪健康信息特征明显的情况下不易感(NSF2)。如果个体认为这些健康信息与自己相关性强，认知动机较强，在弱触发线索的作用下，即便自己的健康信息素养不高也不易感(NSF3)。

综合模型D中高低易感性的组态，发现触发线索中的信息质量至关重要。低质量虚假健康信息的伪信息特征明显，其感知可信度较低且迷惑性不强，因此用户对低质量信息不易感，这与5.2.1节模型B的结果相互印证。易感性虽然是一种个体特质，但受信息特征影响较大，将虚假健康信息与传染病病毒类比，个体对传染病病毒的易感性受到病毒特征的影响，用户对不同特征的虚假健康信息也呈现不同的易感性。

6 结论与建议

本文采用模糊集定性比较分析方法，基于ELM模型探索用户的动机与能力影响精细加工路径的组态，发现能力强—动机强模式促进个体通过中心路径加工信息，缺乏卷入度抑制个体通过中心路径加工信息。个体分心程度高或强焦虑情绪下，易使用边缘加工路径处理信息。在能力强、低卷入度、弱焦虑情绪组合下，边缘加工路径受到抑制。随后，探索精细加工的认知过程与触发线索的组合对虚假健康信息易感性的影响机理，发现认知过程与触发线索强度同样重要，强触发线索下的非深度思考使个体呈现高易感性，弱触发线索下的深度思考使个体呈现低易感性。另外，人口统计学特征组态也能对虚假健康信息易感性做少量解释。最后，基于FBM模型探索动机、能力和信息触发线索影响易感性的前因组合，发现高易感性组态为高信息质量—强触发线索模式和强焦虑—强触发线索模式，低易感性的前因组态为弱触发线索模式，触发线索成为影响易感性的重要因素。

在理论方面，本研究从整体视角探索了多种因素组合影响认知过程，以及个体虚假健康信息易感性的作用机制，丰富了ELM模型和易感性的相关研究；在实践方面，本研究结果有利于提高用户对虚假信息的甄别能力，帮助相关部门采取措施降低公众的易感性。

本研究目前也存在一定不足。首先，给参与者呈现的是文本材料，没有探索图像、直播、视频等更能吸引用户的传播方式对易感性的影响[6]，与真实的社交媒体不够相似。此外，本研究使用自我报告方法测量，未来可以考虑使用更客观的心理生理测量方法。尽管以上局限性存在，根据研究结果仍可提出以下建议：

1)倡导用户养成良好的健康信息使用习惯。Ozturk P等[83]研究发现，类似于“这条推文可能包含错误信息”的提示，可降低谣言分享行为发生的可能性。只要进行简单干预，引导用户考虑新闻内容准确性，就可以减少虚假信息的伤害[36]。组态分析结果也表明，如果用户愿意付出一定的认知努力，避免分心，就更可能识别出虚假健康信息。因此，平台可以通过简单引导，促使用户认真处理健康信息。此外，一旦虚假信息被“科学化”包装处理，会产生一定的“蒙蔽”作用。所以，倡导用户从权威官方渠道获取、使用健康信息，在处理信息时多关注信息的内在逻辑而非浅显的表述内容。

2)提高用户健康知识水平和健康信息素养。相关部门可通过多种权威、可信渠道进行公益性健康科普，以增进民众健康知识水平。对于易感群体，应有针对性地宣传健康知识。注重培育用户的健康信息素养，使用户了解自身的健康信息需求，知晓获取准确健康信息的渠道，评价健康信息的质量并对其可靠程度做出正确判断，以减少虚假健康信息易感性。