2014年5月，研究人员招募了大约150名热那亚大学三年级学生(建筑和教育科学学院，约65%为女性)作为样本。学生们被告知，这项研究的目的是测试基于网络的营养相关问卷管理的可行性。一个简短的描述的研究，调查工具，和调查完成的方式是由教师外的研究人员提供。学生们被告知，参与是自愿的，匿名是保证的，研究人员不会知道谁填写了调查。没有提供参与调查的激励措施。研究报告公布后，收集了那些同意参与的人的电子邮件地址;所有志愿者都能连接到网络。

招募当天，通过计算机随机生成的方法，将学生按1:1的比例随机分为两组，分别填写无时限(TL -)和有时限(TL+)的问卷。随后，研究人员向参与者发送了一封包含简短说明和调查直接链接的电子邮件。

由于这项匿名调查的性质是非医学和非介入性的，因此认为没有必要对其进行伦理批准;没有收集志愿者的敏感数据或个人信息。

该测试包括两个主要部分和两个关于性别和年龄的项目。没有“不知道”选项，但参与者被告知，如果他们不知道/不确定正确答案，他们可以自由地省略任何项目。只有年龄和性别两项是必须填写的，这一点已清楚地(以星号)表示。第一部分是经验证的消费者导向营养知识量表(CoNKS) [ 11]由20个真假题组成。选择这个工具是因为它简洁，内部信度好，以及准则和构念效度[ 11］．《CoNKS》由两名专业翻译者通过反向翻译技术从英语翻译成意大利语。第二部分是一份特设问卷(AHQ)，包括10个多项选择题，5个回答选项，其中一个是正确的(见 多媒体附件1)．这10个问题是故意设计的，让没有医疗保健/营养背景的人很难正确回答;事实上，他们并不是为了测量功能性营养知识，而是作为参与者作弊的代理测量[ 39］．同时，AHQ项目由于其“百科全书”性质而具有良好的“可查找性”属性，因此可以在Web上轻松找到正确答案。通过将一个问题复制到谷歌搜索字符串中，对10个项目中的每一个进行预先测试;在前10个搜索结果中，可以直接在屏幕上找到正确答案。

每个正确的答案记为1分，而不正确或缺失的答案记为0分。总的来说，最终得到的CoNKS总分可以从0到20不等，而AHQ的总分为10分。

在一项初步研究中，我们对21-23岁的工程专业学生(n=15)进行了AHQ测试，并在课堂上由纸笔研究者控制。平均得分为2.3分(SD 1.0)，范围为1 - 4分。因此，我们假设在未经监考的情况下，个体AHQ得分≥5可能是由于电子作弊。

本次调查采用基于网络的专业调查软件QuestionPro进行。为了增加受访者的动机，两份调查的布局均设有清晰可见的进度指示器，所有项目均可滚动和跳过[ 40］．此外，选择这一专业软件是因为它的自动优化，如更大的文本和易于使用的按钮，在移动设备上完成。TL-和TL+问卷的布局是相同的，两者之间的唯一区别是后一种情况下存在时间限制。考试时间限制为15分钟(每道题约30秒)，是根据以往的研究[ 35]之后，研究团队成员一致认为这个限制是合理的。在屏幕上方，进度指示器旁边的一个倒数计时器清晰可见。该软件自动记录了完成调查所需的时间。在点击链接之前，受试者不知道他们是否有时间限制来完成测试。

记录了两项调查的回复率和退出率。回复率定义为开始调查的受试者数量占发送的电子邮件总数的比例(假设所有电子邮件都被阅读)，而辍学率是开始调查但没有提交调查的受试者的比例。由于QuestionPro软件允许同一用户的多个参赛作品被识别，因此所有提交的作品都经过了这种可能性的筛选。如果任何受试者有多个条目，他/她的所有条目都将从分析中删除。

两个链接都活跃了两周。没有发送提醒，因为我们不知道哪些学生完成了调查，哪些没有。

采用双面双样本的方法计算样本量 t测试。Dickson-Spillmann等人[ 11]发现具有保健或营养资格的受试者与无保健或营养资格的受试者的CoNKS得分平均相差1.9分，我们认为平均相差2分具有实际意义(即作弊)。因此，为了检测两组之间的平均CoNKS评分有2分的差异，当power为.8,alpha为.05时，共同的SD为3分，每组至少需要36名受试者。考虑到无反应率为30%，我们的目标是纳入94名受试者。

为了描述的目的，定量变量表示为具有SDs的平均值或具有范围的中位数。描述性数据以95%置信区间(ci)的频率和百分比表示。要比较分类数据，请使用 χ²进行Yates校正或Fisher精确检验(≥20%的期望频率<5)。为了比较连续变量组间的差异，两样本学生的 t当各样本数据呈现近似正态分布时，采用检验，并通过目测和Shapiro-Wilk检验进行初步评估;否则就是曼-惠特尼 U优先考虑测试。正态分布数据的效应量用Cohen 's方法测量 d含有95%的ci和 U _3.索引。科恩的 d被解释为:小( d=0.2)，中( d=0.5)，大( d= 0.8)。Mann-Whitney检验的效应量表示为Cohen 's r＝ z/√ n并解释如下:小( r=0.1)，中( r=0.3)，大( r= 0.5) ( 41］．

为了评估时间限制组(TL−或TL+)在CoNKS和AHQ中的影响是否相似，使用了测试类型和组之间相互作用的线性混合模型。由于这两个分数在不同的量表上，所以 z-score变换首先被应用。线性混合模型使我们能够解释同一科目获得的分数之间可能的相关性。

统计学意义设定在双侧 P值<.05。所有数据都通过R stats包进行分析，版本为3.0.1 [ 42］．

在107名志愿者中，94人(每组47人)随机接受TL -或TL+链接。没有注册多个条目;这两项调查都是由72名个人访问者开始的。两组的有效率相似(75%，35/47;95% CI 61 ~ 85%， 79%， 37/47;TL -组和TL+组95% CI分别为65 ~ 89%; χ²₁= 0.06, P=结果)。组间的辍学率无差异( P=。99，Fisher’s exact test): 4 participants in the TL– group (11%, 4/35) and 5 in the TL+ group (14%, 5/37) dropped out before submitting responses. Among the 9 dropouts, 7 (78%; 95% CI 44-96%) looked at the survey items without answering any question, while the remaining 2 dropped out after answering some items. Thus, 63 complete surveys (31 and 32 in TL– and TL+ groups, respectively) were analyzed. Overall, both groups were comparable in terms of age, sex, and device used to complete the survey. Notably, 60% (43/72; 95% CI 48-71%) of respondents completed the survey from portable devices ( 表1)．

两组调查完成时间的分布均明显右偏(TL -组和TL+组的偏度系数分别为1.6和2.0)。TL -组受访者比TL+组受访者花更多时间完成调查(中位数7.8分钟，范围2.9-30.5分钟vs中位数5.5分钟，范围3.4-14.7分钟);Mann-Whitney检验显示差异显著( z _U= 2.30, P= .021)。然而，效应量被判断为很小( r= 0.29)。

如 表2TL -组受试者CoNKS得分明显高于TL+组;科恩的 d为中等，为0.67 (95% CI 0.54-0.80);如所示 U _3.指数，75%的TL -组得分高于TL+组的平均值。相比之下，AHQ平均得分和得分≥5的百分比无统计学差异。无反应项目在TL+组中比例较高，特别是在CoNKS上;然而，这种差异并没有达到5%的alpha水平( 表2)．

在线性混合模型中，两份问卷得出的标准化总体评分的群体效应(TL -和TL+)具有统计学意义( P=.020)，而问卷类型与群体之间的交互作用不为( P= .19)。

本论文对流行病学和卫生保健研究中基于网络的数据收集的现有方法学文献有几个方面的贡献。首先，我们的研究结果证实，在基于网络的健康知识调查中，社交互动或电子作弊的风险很可能存在，因为在两项测验中都有很高比例的受访者得分出人意料，在设计和实施此类研究时必须考虑到这一事实。在基于网络的调查中，时间和空间上的异步交流以及研究者监督的缺失使得以客观的方式控制抄袭的答案变得极其困难。我们故意没有询问参与者是否使用了额外的信息源，因为由于社会可取性偏见，作弊很可能被低估了;然而，我们采用了心理学研究中描述的作弊代理测量方法[ 39］．我们发现CoNKS的平均分数比Dickson-Spillmann等人记录的分数要高得多[ 11](至少相差2.3分)。这种优越的表现可能部分原因是我们的参与者相对较高的教育水平，以及我们样本中女性和年轻人的比例较高;事实上，所有这些因素都与较高的CoNKS分数有关[ 11］．然而，这些样本特征很难解释这样一个事实:在Dickson-Spillmann等人的原始研究中，TL-和TL+组的参与者得分甚至高于具有健康相关或营养资格的人[ 11] (16.5/15.3 vs 14.6)。此外，每组中约有五分之一的应答者AHQ得分出乎意料地高，这很可能是由于电子作弊;早前也曾发现类似比例的电子作弊行为[ 30.］．

其次，我们的研究表明，在基于网络的研究人员对健康相关主题知识的不受控评估中使用定时调查可以减少测量误差，因为我们能够建立时间限制组对测验表现的显著影响，特别是在CoNKS上，使我们的第一个假设合理。这一发现也有一定的现实意义，从效应量可以看出。另一方面，由于样本量是根据经过验证的CoNKS调查计算的，虽然TL+组的参与者往往得分较低，但AHQ得分的组间差异不显著可能是由于统计学效力较低。无论如何，设定时间限制会减少调查完成的中位数时间，这至少在实质上降低了参与与调查无关的活动和寻求帮助的概率。然而，仅仅施加时间限制不太可能完全防止求助和电子作弊，因为一些作弊者在网络搜索中可能特别快。事实上，Jensen和Thomsen [ 30.]的研究表明，在一个知识项目上的平均响应时间小于30秒，尽管在线受访者在他们的研究中所花费的时间差异很大(相对SDs从144%到1243%不等)。反应时间的高度可变性可能是由于受试者网络搜索技能的差异。事实上，十几岁和二十几岁的被试者已经被证明非常善于相对快速地找到网上给定的内容。 43];这可能解释了在我们的样本中，年轻人反应时间的可变性相当低。

第三，我们认为，问题的措辞在“可查找性”属性方面发挥着重要作用。因此，在进行调查之前，检查一个项目是否可以很容易地在谷歌上搜索到，如果可以，重新制定问题可能是有用的。事实上，大多数CoNKS项目比我们的AHQ项目有“更复杂”的措辞，因此具有较差的“可查找性”属性。例如，要找到一个含有关于CoNKS项目4或18的正确信息的网页(“健康膳食应包括一半肉、四分之一蔬菜和四分之一配菜”和“为了健康营养，乳制品的摄入量应与水果和蔬菜相同”)，受访者首先必须考虑查询公式，然后滚动搜索结果，而不是简单地复制/粘贴问题。要快速获取这类问题的正确答案，通过应用高级搜索策略来缩小搜索结果的范围要有利得多。然而，正如Ivanitskaya等人所证明的那样[ 44]，只有三分之一的健康科学专业的学生能够使用布尔运算符并执行高级搜索。我们认为，我们TL+组中的大多数电子作弊者无法应用高级搜索策略，并且由于时间限制，得分低于TL-组。相反，由于我们的AHQ项目的结构使他们很容易谷歌(见方法部分)，两组中的电子作弊者都能相对较快地找到正确答案，这可能解释了AHQ得分在统计学上没有显著差异的组间原因。因此，这种类型的测验，即学术性和百科性的测验，即使设定了时间限制，在防止抄袭方面也可能不那么有效;这一发现与Jensen和Thomsen的发现一致[ 30.］．综上所述，这些事实可能有助于理解为什么我们没能证实我们的第二个假设。

需要强调的是，如果在知识问卷上设置了时间限制，那么每个项目或整个问卷的限制应该是临时确定的，因为电子作弊的概率需要与认知加工所需的时间相平衡。一方面，充足的时间限制可能有利于那些信息检索能力有限的电子作弊者，而另一方面，正如Jensen和Thomsen [ 30.)，它可能会惩罚相对较慢的非作弊者;在这两种情况下，测量误差的风险都很高。我们建议“30秒条件”[ 30.]不应被视为黄金标准，因为一些变量(如目标人群的社会人口学特征、文本可读性、调查布局等)可能会产生影响。为了确定一个更合适的时间限制，由研究人员监督的试点研究将是有帮助的。

第四，超过一半的受访者通过手机或平板电脑等便携式设备完成了调查。调查结果显示，电脑管理模式与流动电话管理模式的差异不大，而两种模式所评估的调查结果大致相当[ 45， 46]，尽管移动电话的反应时间也比电脑短[ 46］．事实上，在我们的调查中，响应时间的中位数大大低于预期的15分钟。根据Buskirk和Andrus [ 46，这一发现可能可以用人体运动的菲茨定律来解释，根据该定律，通过触摸便携式设备的屏幕来选择答案比点击鼠标更快(这是因为从起点到目标的距离更短)。另一方面，从触屏设备上复制/粘贴短语要困难一些，需要一定程度的手动灵巧度，因此可能会减少作弊行为。我们认为，在我们的研究中，这两种可能的解释应该被视为互补而不是相互排斥。此外，便携式设备的移动特性允许其所有者在各种环境中完成调查;因此，与他人的社会互动也可能发生，从而产生另一个测量误差的来源[ 29， 47］．

第五，我们研究中的辍学率(13%，9/72)不到网络调查中通常观察到的30%辍学率的一半[ 48］．这证实了之前研究的结果[ 40， 48， 49]，这表明调查的结构(如项目数量少、没有网格和图形复杂的问题、进度指标、可滚动和可跳过的项目)可以有效减少基于人群的研究中的不参与偏差。相比之下，时间限制不太可能干扰反应行为。四分之三的退出者是“潜伏者”，也就是说，那些看过调查但对任何项目都不作回应的人。 49］．根据Bosnjak和Tuten [ 49]，一般来说，“潜伏者”有动机去看调查，但不回答，可能是由于技术困难或在调查过程中失去了兴趣。可以合理地推测，在基于网络的知识调查中，潜伏者可能会导致积极反应偏差，从而导致测量误差。幸运的是，进行基于网络的调查的现代软件使我们能够区分不同类型的非受访者[ 49从而更好地分析参与模式。

这项研究可能存在参与偏差和积极反应偏差，因为完成调查的女性比男性多得多;事实上，不仅招收了更多的女性，而且男学生的参与率也低于预期。已查明妇女参与科学研究的比率较高[ 50]而且他们在营养知识调查中的参与度往往较高[ 22- 24， 26］．然而，由于我们研究的目的不是评估知识，而是比较两种调查模式的条件，这些类型的偏差对结果的影响有限。此外，应用简单的随机化程序产生了两个可比较的组。

“幸运猜测”的概率，特别是在真假二分题上，也应该承认。虽然加入“不知道”选项可能会阻止人们猜测[ 51]，帕门特和沃德尔[ 52]的研究表明，营养知识问卷中的这些选项也存在潜在的缺陷，具体而言:(1)一些知道正确选项但不确定答案是否正确的受访者可能会选择“不知道”;(2)其他受访者如果花点心思就能找出正确选项，他们可能会选择“不知道”作为更容易的选项[ 52］．这就是为什么我们决定不包含明确的“无意见”回答类别;然而，我们试图通过排除问题的可能性来阻止猜测。

在研究人员没有监督的情况下，健康知识项目的答案很可能是抄袭的。在健康知识、健康素养和KAP调查的设计和实施过程中，以及在将基于网络的问卷结果与监考研究的结果进行比较时，都应考虑到这一点。随后得出的错误结论以及对卫生知识和卫生素养的高估可能会导致较差的卫生结果[ 53， 54］．到目前为止，防止作弊的唯一方法就是进行面对面的面试。 30.或者在研究者的严格控制下进行纸笔调查。然而，这可能比网络空间调查更耗费时间和资源。 15， 32］．技术使用的持续增长可能会使新的调查管理形式成为可能。一个特别有吸引力的模式可能是使用基于网络的同步服务和网络语音/视频服务，例如Skype，这种服务可以进行摄像头对摄像头的视频采访[ 55]，从而防止抄袭和其他形式的作弊。尽管研究表明Skype还不具备用于流行病学数据收集的必要的可行性特征[ 56)，我们相信它已经可以用于针对年轻人的研究，因为他们是第一批“在网上长大”的人，能够迅速适应新技术[ 57］．在这里，我们展示了施加时间限制可能只是部分地防止求助，为了找到一个最佳的作弊敏感工具，基于互联网的调查需要进一步的研究。