个体的心理倾向在决策过程中与外部环境信息相互作用[ 22］．然而，个人从许多来源获得信息。个人可以直接从媒体获得信息，但大多数个人更有可能从其社交网络中的意见领袖那里获得中介信息[ 23］．在今天的数字时代，这 社会交际通常来自互联网，包括社交网站。在互联网上，由于数字出版的便利，每个人都有能力成为意见领袖[ 24］．然后，个人的任务是确定哪些信息是正确的或不正确的，以及是否以及如何根据他们所消费的信息更新他们的信念。

来自官方来源的公共卫生信息，其中官方来源包括美国疾病控制与预防中心和世界卫生组织(世卫组织)等公共卫生机构，很可能被公众视为事实[ 15］．这主要是因为公众认为这些消息来源是可信的，既可信赖又具有专业知识。 14］．具体而言，公共卫生方面的工作表明，政府卫生机构和新闻媒体组织被认为比社会同行更可信，在提高公众对公共卫生危机严重性的认识方面也更成功[ 14］．

尽管研究一直发现，个人接受和看待来自官方来源的信息是可信的，但个人从社会来源获得大部分信息的现实，使得整个信息环境更具挑战性。来自社会环境的信息可能包含关于某种疾病的正确、事实的信息，例如重复美国疾病控制与预防中心或世界卫生组织分享的信息，但也可能具有误导性，甚至完全错误。例如，在2018年埃博拉疫情爆发期间，社会提供的关于该疾病的不准确信息很普遍，相信错误信息的个人不太可能采取预防行为，如同意接种疫苗和寻求正式治疗[ 25］．尽管如此，SI也可以帮助纠正错误信息，尽管程度低于官方来源的共享信息[ 14， 15， 26］．考虑到人们所遇到的信息环境的复杂性质，理解人们如何协调官方和SI是至关重要的，特别是当两者发生冲突时。

人们所遇到的信息环境的其他几个特征可能会影响他们处理所遇到的消息的方式。首先，交流环境，特别是社交媒体，往往是动态的，用户之间可能会随着时间的推移而重复互动，社交媒体的使用和效果可以是相互的。 27］．在这种情况下，接触初始信息的影响可能会通过重复或后续的互动而减弱或加强[ 28］．因此，了解相互冲突的社会信号和OI信号如何在多次互动中影响人们的态度，可以更细致地理解相互冲突的信息源是如何被处理的。

除了在时间上是动态的，社交媒体上的交流往往是多维的，即使它仅限于一个首要的话题。例如，在传染病的背景下，了解疾病的两个非常重要的维度是疾病的症状，这样人们就可以观察到自己或周围的人是否有可能感染这种疾病，以及它是如何传播的，这样他们就知道在这种疾病的背景下，哪些行为是相对危险的，哪些是相对安全的。尽管了解人们如何单独地理解与任一维度相关的特定消息很重要，但在许多情况下，人们同时处理具有多个维度的消息，这可能会影响给定消息的有效性。

社交媒体的主要特征之一是它能够控制自我呈现。利用社交媒体网站的可见性，用户可以选择性地披露他们希望社交联系人了解的关于他们的态度或信仰的信息[ 29]或可能会因为他们对他人期望的感知而缓和他们所表达的态度[ 30.］．在许多情况下，在研究背景下，这些过程被认为是社会可取性偏见的例子，这是研究设计的限制，或研究设计试图将其最小化，以观察真实的态度或信仰。像许多研究一样，我们的研究不能区分真诚和不真诚表达的信念。然而，重要的是要记住，即使是在社交媒体平台上分享的不真诚的态度或信仰，其他人也可能只看表面。因此，当人们期望别人会看待这些态度和信念时，理解态度和信念是如何向他人表达的是很重要的。由于我们的研究设计，我们能够检查信仰表达的潜在影响，无论它们是否真诚。

综上所述，我们预计对某种疾病的OI，即直接从官方来源获得的信息，将导致个人对这种疾病持有更多事实性的信念。与此同时，社会共享的信息应该导致对疾病的了解，尽管程度低于成骨不全症。具体来说，我们希望当个体同时暴露于精确的SI时，OI在增加对疾病的了解方面更有效。另一方面，我们预计疾病OI的影响会持续存在，但随着时间的推移，个体暴露在不准确的SI中会降低。

为了研究官方和科学探究在动态信息环境中是如何相互作用的，我们设计了一个实验，在这个实验中，参与者在一系列十轮基于计算机的交互中同时暴露于OI和结构化科学探究。人们之间的社会联系是模拟的 机器人在每一轮比赛中，他们会对关键信息表示同意或不同意。这些模拟的改变使我们能够控制每个参与者收到的社交信息。

本研究的研究设计由俄亥俄州立大学的机构审查委员会审查并批准(方案#2014B0543)。

2016年，研究人员从一所欧洲大学的参与者研究库中招募了能说流利德语的参与者，并获得了适度的金钱激励。学生报名参加为期一周的短期课程。所有参加同一疗程的学生被随机分配到相同的治疗组合，如下所述。

实验使用oTree [ 31)软件。在表示同意后，参与者开始回答人口统计和意见问题。然后，参与者被要求阅读一份研究描述，该描述解释了他们将被问到问题，并声称他们的答案将与其他参与者分享(如下所述，实际参与者的回答不会与其他参与者分享)。具体来说，参与者被告知，他们与其他学生参与者一起嵌入到一个社交网络中，同时完成实验，他们的回答将与其他参与者分享，他们将查看其他3名参与者的回答。然而，实际上并没有建立网络，参与者看到的是预先编程的反应，这些反应模仿了在前一组实验中观察到的反应，这些实验涉及实际的网络互动。

然后，参与者被问及14个关于丙型肝炎的真假知识问题，包括6个关于传播方式的问题和8个关于症状的问题。每个问题的主题都列在 表1, 多媒体附件1［ 32， 33]包含完整的知识问题文本。

我们新颖的14个问题仪器测量了参与者对丙型肝炎的公开知识。我们通过提供不确定的答案以及真假来减少猜测的影响。所有问题的正确答案在 表1．由于参与者在实验期间的不同时间了解了与丙型肝炎相关的不同主题(如下所述)，我们没有将参与者在不同问题或不同时间点的回答结合起来。因此，我们考虑了14个独立的自称知识的结果衡量标准，这些指标对应于每个知识问题的正确答案。在分析中，我们没有区分不正确和不确定的反应。参与者在接受治疗前回答知识问题(如本手册所述) 设计和处理下面的部分)提供了一个基线，我们比较他们在整个实验过程中和实验结束时对仪器的未来反应。

我们之所以选择对丙型肝炎的知识进行测量，是因为它是一种常见疾病，公众的关注程度较低。在美国，丙型肝炎感染人数超过300万(美国卫生与公众服务部[ 34])，欧洲则有1400万(世卫组织[ 35])，以及全球约7100万人(世卫组织[ 35])。我们希望参与者没有什么根深蒂固的信念，并能找到关于这种疾病的新信息。中报告的仪器响应摘要 表1显示了有关丙型肝炎主题的一系列基线知识，从仅有17.2%(32/186)报告丙型肝炎不会通过母乳传播，到96.2%(179/186)报告丙型肝炎通过共用针头传播，这并不令人惊讶。主要结局指标捕捉治疗组内正确答案比例的变化，这些变化评分统计数据的构建在 统计分析下面的部分。

在这一点上进行了十轮实验。在描述处理如何决定各种成分的性质之前，我们先概述了这些回合的总体结构。每一轮由3个部分组成，如图 图1．首先，研究人员向参与者展示了一张旨在模仿公共卫生当局信息的信息图( 官方信息)。这些OI有些与丙型肝炎传播方式和症状的知识问题有关，有些则与此无关。在每一轮中查看的信息图由处理条件决定，如下所述( 表1为信息图表观看时间表和问题的相关性和 多媒体附件1对于信息图本身)。第二，参与者以参与者最近对14个知识问题的回答的形式，向其他3个(据称的)参与者展示表面上的科学探究。中提供了这个SI的描述 多媒体附件1．第三，参与者被要求回答14个知识问题。

我们注意创造了一个环境，让参与者相信观察到的SI实际上是其他参与者的反应。首先，参与者与其他参与者在同一房间完成实验(有时参与不同的实验)。其次，我们对社会共享信息的预编程模式受到了实验试点测试的启发，因此相对简单的问题有更频繁准确的预编程回答。最后，我们加入了时间延迟，旨在模仿其他进展较慢的参与者。尽管此SI不镜像从共享的信息 朋友，它确实与社交媒体平台上偶然联系的人分享的信息相对应。

参与者通过聚类随机分组被分配到三个程度之一( 高,低,或 控制)，并加强( 准确的)或与( 不准确的) SI条件。合并极小的会话后( 多媒体附件1)，结果22个会话被分配到交叉分类条件。4个疗程被分配给精确SI和高相关OI(总n=38)， 4个疗程被分配给精确SI和低相关OI(总n=26)， 3个疗程被分配给精确SI和控制OI(总n=17)。4个会话分配给不准确SI和高相关OI(总n=33)， 4个会话分配给不准确SI和低相关OI(总n=33)， 3个会话分配给不准确SI和控制OI(总n=39)。

根据分配的OI条件，每个参与者可以查看5个、3个或0个OI信息图，每个信息图都包含与实验过程中1个或2个知识问题直接相关的信息。 表1确定参与者被分配到的问题 高,低,或 控制类别。介绍了与成骨不全直接相关的成骨不全治疗条件以及出现成骨不全的那一轮。在剩下的5-10轮中，展示了与感染或症状无关的丙型肝炎信息图表。信息图表显示在 多媒体附件1．所有展示的OI信息图都包含准确的信息。

SI处理条件旨在为一些参与者提供系统准确的社会影响，而另一些参与者则提供系统不准确的社会影响，同时保持参与者之间真实反应共享的合理性。因此，对于14个知识问题中的11个，所有参与者都看到了相同的预编程SI回答序列。这些预先编程的回答是为了模拟真实参与者对类似实验中部署的相同问题的反应。剩下的三个问题分别是接吻、食欲不振和头痛 准确的SI条件被引导相信三个朋友在所有十轮中分别回答了假、真和假(对三个问题)，这是正确的回答。那些被分配到 不准确的SI条件被引导认为这3位朋友在所有10轮中对这3个问题分别回答了真、假和真，这是错误的回答。其中6个问题的SI (bot)回答摘要用圆圈和叉表示 图2． 多媒体附件1提供关于治疗和随机分配的更多信息。在每次会议结束时，向参与者提供了所有正确的事实信息，并听取了汇报。

对于探索性数据分析，我们在按治疗分配分层的疗程中，呈现了正确回答平均比例的特定问题的纵向趋势。我们通常将正确回答百分比的增加称为学习，但要认识到这些变化也可能反映了所表达的态度的变化，而不是真诚持有的信念。对于正式的统计测试，我们通过按治疗分配分层的会话之间的平均对数比值比的差异，分别捕获每个知识问题的轮间学习。这种方法类似于随机效应逻辑回归，其中轮被视为分类因素，但允许我们实施调整( 多媒体附件1)，这使得我们的计算在计算上是可行的，而经典随机效应逻辑回归是不可行的。

通过减去适当的平均对数比值或对数比值比来总结轮次和治疗组之间的学习差异。大多数组内总结统计比较了在特定回合中正确答案的对数概率与基线时的对数概率，还有一些比较了第10轮的反应与观察到正确OI的回合的反应。

最后，我们通过在相关治疗条件下取组内平均对数比值比的差异来比较各组间的学习。不同治疗条件之间的巨大差异意味着治疗会导致学习方面的差异。我们使用置换来近似精确的参考分布。为了测试各组间学习的平等性，我们估计了双面性 P与基于真实分配的汇总度量相比，来自5000个排列分配的汇总度量的比例距离零更远的值。基于排列的检验依赖于最小的假设，但通常也具有相对较低的统计能力。关于统计分析的更多细节载于 多媒体附件1．的显著性水平 P=。05was used for all tests. All analyses were conducted using R statistical software [ 32］．

共有23个阶段的195名参与者同意参与;只有完成所有10个阶段的186名参与者的数据被纳入初步分析，并在 表2．如表中所示，65.1%(121/186)的受访者为女性，平均年龄为23岁。总体而言，56.5%(105/186)的受访者表示上大学的学期不超过4个。进一步的人口统计总结以及缺失数据模式和随机化平衡的检查包括在 多媒体附件1．

我们测试了与准确的官方公共卫生信息和准确的SI之间的关系相关的四个期望。这些期望意味着在各个回合中正确反应的增加(我们称之为 学习)在不同的问题上，6个治疗组会有不同的表现。

W e期望观看OI可以增加对疾病信息的学习，正如之前的文献所证明的那样[ 6， 8， 15］．那些被分配到高、低和控制OI强度组的人看到了与7个、4个和0个问题相关的信息图表。因此，对于7个问题，我们预计那些看到相关信息图表的人(即强度较高组的人)比那些没有看到相关信息图表的人对该问题的学习能力更强。

数据摘要的可视化突出了可能支持我们预期的趋势。里面的线条 图2描述6个代表性问题的6组正确回答比例的趋势(其中颜色表示OI治疗分配，线条类型表示SI治疗分配)。因为所有机器人对第一行中的问题给出了相同的回答(由叠加表示) x而且 o符号)，这些问题直接涉及OI的影响。本行最左边的图表总结了对呕吐相关问题的回答。灰色阴影的竖条表明，在第三轮回答知识问题之前，被分配到高强度和低强度治疗的组被展示了相关的信息图表。对于这两组(黄线和蓝线)，我们看到在第2轮和第3轮之间，正确的比例急剧增加，这表明这些组从相关的信息图中学习了。相比之下，我们在被分配到控制强度条件的人(绿线)中没有看到类似的学习，这表明这些组没有从展示给他们的不相关的信息图中学习。

对于与疲劳相关的问题，我们预计在第7轮中，高强度组(而不是没有查看相关信息图表的低强度组和控制强度组)也会看到类似的大量学习。然而，参与者回答的差异并没有明显地遵循这一模式，可能是因为对这一症状的高基线知识或机器人回答的一致纵向趋势。需要进一步的实验来证实这一假设。最后，正如预期的那样，我们在任何组中都没有看到关于母乳喂养的潜在传染的实质性持续学习，因为没有组显示相关的信息图表。在第二行SI处理方法不同的问题中，我们也看到在相关信息图被查看的回合中有大量的学习，尽管这些趋势因不同的社会共享信息而变得复杂，如下所述。

的第一行中的相关问题，将被分配查看相关信息图的组与未被分配查看相关信息图的组进行比较的正式测试 图3，其中星号表示在仅由OI治疗分配定义的组之间，正确问题回答的平均对数概率在统计上存在显著差异。我们发现，除了与呕吐相关的问题( P= .051)。所有问题在指定的信息处理组中两两比较的结果包括在 多媒体附件1．

我们期望准确的社会共享信息能影响正确信息的学习。对于其中三个问题(与接吻、食欲和头痛有关)，机器人的回答总是准确的;对于剩下的11个问题，两种类型的所有回答都是相同的。因此，对于这3个问题，我们期望分配到准确的机器人治疗组的人比分配到不准确的机器人组的人学习得更多。第二行 图2显示了这三个问题的响应趋势，其中不同的机器人响应由100%(3/3)和0%(0/0)的准确响应表示。 o)和不准确的(x)机器人。因为没有一组被展示与头痛直接相关的信息图表，这个问题(最右边一栏)直接涉及SI的影响。我们可以看到，在十轮测试中，那些在社交上分享准确信息的群体(实线)具有积极的学习效果，而那些在社交上接受不准确信息的群体(虚线)则具有平缓或消极的学习效果。在其他问题中，我们在没有查看相关信息图的组中看到了类似的趋势(即接吻问题的低强度组和控制强度组以及食欲问题的对照组)。第二行 图3显示排列测试在统计学上证实了强

对于所有三个问题，分配的机器人类型从基线到第10轮的学习存在显著差异，其中机器人共享的信息不同(所有机器人共享的信息都不同) P≤. 01)。请注意，参与者对所有三个问题的基线知识都较差到中等。

就官方和SI相互作用的程度而言，我们预计OI将压倒SI。也就是说，我们预计在观看相关信息图的群体中，社交共享信息的影响要小于未观看相关信息图的群体。研究人员向一些小组展示了与食欲和接吻有关的信息图表，准确的机器人和不准确的机器人对这些问题的回答有所不同。因此，我们关注这两个问题来探索信息模式交互。

首先，我们考虑与食欲有关的问题(图表左下) 图2)．因为所有组在基线时都有相似的知识，社会共享信息的影响可以用第10轮时平均正确比例的组差异来近似。社会共享信息的效果近似于对应实线和虚线之间的差值。这些差异对于查看相关信息图的组(黄色和蓝色)相对较小，而对于未查看相关信息图的组(绿色线)则要大得多。这种模式也出现在接吻问题上，似乎表明社交共享信息的效果对没有查看相关信息图的群体更大。然而，这种看法可能受到比例尺度的边界效应的影响。 图4表明这种差异在改变为对数概率尺度后消失。基于对数概率的排列检验(第3行) 图3)证实没有强有力的证据表明信息共享模式之间的相互作用。

尽管从基线到第10轮，我们没有看到模式对学习的影响之间的全局相互作用，但我们探索了第四个更有针对性的假设，即接受官方公共卫生信息的影响持续存在，但在矛盾的SI面前会退化。对于与食欲相关的问题，我们看到，在观看了第3轮的信息图后，高信息强度组和低信息强度组几乎一致地做出了正确的回答 图2)．在这些实验中，被分配接受准确信息的小组(黄色和蓝色实线)在实验结束时几乎保持了一致的正确反应比例。然而，那些社交分享不准确信息的群体(黄色和蓝色虚线)在第十轮时正确答案的比例往往会有小幅下降。在回答与接吻有关的问题时，我们在高信息强度组(黄线)中也看到了类似的趋势。最下面一行 图3证实这些趋势相对于排列治疗分配可能不寻常，但证据强度未达到统计学显著性( P=。29而且 P=。09for kissing and appetite, respectively).

与高OI组相比，由于SI不准确，低OI组的参与者在学习方面也可能出现更多的退化( 图4(右面板，蓝色vs橙色)，总体上不成骨不全的参与者可能更容易受到社会影响。然而，我们只有两个组来衡量OI导致的学习持久性的可变性;因此，我们并没有试图在这些组之间进行正式的比较。

这项工作表明，官方和SI都影响人们对传染病的报告理解。正如以往文献所预期的那样，接触有关丙型肝炎的官方公共卫生信息增加了对其传播和症状的了解。学习遵循社会提供的信息，无论准确与否，尽管程度较低。我们的数据趋势表明，即使存在持续矛盾的SI，从OI中学习也具有显著的弹性，尽管一些适度的退化可能被低统计功率所隐藏。在一个官方公共卫生运动经常与社交媒体上分享的信息竞争的时代，这项研究提供了一些乐观的理由，即公共卫生运动可能能够克服社会共享的误解。

我们的工作与以前关于健康方面误解的工作一致，该工作发现纠正性信息可能会抑制错误的信念[ 14， 15， 36］．一项基于网络的实验调查了关于疾病爆发的错误信息的更正，发现官方信息来源在更正错误信息方面比同行更有效[ 14］．我们的工作考察了官方和SI之间的竞争关系，而不是对错误信息的更正。然而，我们发现OI来源在诱导表达信念的变化方面更有效，这与之前的工作一致。

本研究在实验环境中结合官方公共卫生信息探讨疾病科学探究的纵向效应。许多这种类型的研究将包括一次性干预或在短时间内对参与者进行随访。在这里，我们调查了表达的信念如何在多轮中更新，并通过与他们实验构建的社会网络成员的多次互动进行更新。因此，我们能够对动态信息环境中的竞争消息提供更细致的理解。

值得注意的是，我们的研究使用了对丙型肝炎的表达信念作为主要因变量。当然，几乎所有关于疾病的信念的研究都依赖于以这样或那样的方式表达的信念。然而，由于我们的研究是以参与者理解他们正在观察与他们同时完成研究的其他参与者的反应为前提的，这些表达的信念可能不仅受到他们自己的信念和由于实验刺激而产生的任何变化的影响，而且还受到可能影响他们表达的信念的社会可取性偏见的影响[ 37］．政治谎言的信仰表达研究[ 38的研究表明，对不真诚表达的信念的战略性表达是适度的。然而，你所分享的信念，无论是否真诚地持有，都意味着这些信念是参与者希望其他人看到和体验到的。通过这种方式，这项工作探讨了真诚持有的信念是否受到官方信息来源的影响，以及信息环境是否与公共卫生官员更加明确地一致，减少了官方和科学研究来源之间的冲突程度。

虽然我们的工作重点是传染性疾病的背景，但结果可能有助于我们理解社交媒体如何影响健康的其他方面或可能与其他领域有关。当然，骨不全症可能与许多领域的社会共享信息竞争(或被加强)，包括其他疾病，如寨卡病毒[ 15]，或健康的各个方面，例如心理健康[ 39］．未来的工作可能希望调查社会传播信息是否以及如何影响其他领域的OI信念。

我们控制现有信息的能力为我们的结果的因果解释提供了很强的可信度。网络实验有助于弥合人们在自然社会环境中的观察性研究和抽象社会影响的实验室实验之间的差距。

将我们的结论可靠地推广到现实世界的情况，依赖于参与者对合法信息的解释。对于成骨不全症患者来说，这个障碍可能比成骨不全症患者更容易清除。我们的对照实验的一个主要优势是，参与者被嵌入在一个虚构的社交网络中，这个环境促进了现实主义。

这个实验有几个重要的局限性，我们在这里详细说明。首先，我们研究的社交网络似乎是在实验设置中彼此匿名的参与者之间。虽然这种情况可能会在匿名留言板或评论帖子中遇到，但在真实的社交网络中，参与者有很强的社会纽带和声誉，SI的影响可能是不同的。未来的工作可能希望调查SI是否以及如何在已经相互联系的参与者之间的社交网络中传播。

其次，我们的实验将SI反应限定为真、假或不确定。在现实中，人们会有意地、细致入微地试图让社会领域的其他人相信自己的信仰。很难想象一个受控实验，允许参与者如此自由地交流，并保持一定程度的控制，以实现明确的因果解释，但这应该在未来的研究中解决。我们认为这是一种权衡:严格的控制使我们能够提出明确的因果关系主张，而不严格的控制不仅使交流更加多样化，而且还降低了以明确的因果关系方式解释社会成分的能力。

第三，我们研究的参与者年龄都差不多。之前在不同背景下(政治)的研究发现，在改变老年参与者的行为方面，带有强化社会成分的官方信息比没有社会成分的官方信息更有效。 40］．我们所发现的社交和OI之间有限的相互作用可能是由于研究参与者的年龄分布、官方和SI相互矛盾的事实、我们的研究调查了健康信息的事实，或者其他一些因素。未来的工作可能会在更多样化的样本中检验官方和SI之间的矛盾，以了解是否存在异质治疗效应。

第四，该研究没有测试潜在的中介变量和调节变量，这些变量可能解释官方和SI如何或在多大程度上影响信仰。这种限制与匿名网络如何影响网络效应有关，但又不同。调解和调节关系可能是现有关系的某些方面的结果，在这种情况下，匿名研究将有助于控制这些影响，但也会限制研究人员检查它们的能力。然而，也有可能调解或调节关系是人与人之间关系的某些方面迅速发展的结果，也许是在一些互动的过程中。在这种情况下，即使是在匿名个体之间的短网络实验中，也可以检查中介或调节关系。例如，对信息源的信任程度可能会影响参与者对官方或科学研究来源所分享的信念的回应程度。在这项研究中，参与者被告知他们将与其他匿名参与者建立联系;因此，任何人际信任都必须在研究过程中建立。我们认为，在这项研究的背景下，不太可能在研究过程中产生不同程度的信任。然而，在现实世界中，人们与那些接受SI的人保持着持续的关系，信任和声誉可能会影响人们如何处理和回应他们的社会联系人分享的信息。 Future studies may wish to investigate trust, perhaps through experiments that enable researcher control over not only message content but also cues related to trust. We note that trustworthiness is one of multiple possible mediating or moderating variables that may enable a more nuanced understanding of the competing or reinforcing effects of social and OI.

最后，少量的实验会话限制了基于排列的统计推理的能力。这里使用的基于排列的方法做了很少的假设，因此，使我们能够根据统计证据做出明确的主张，而不依赖于基于模型的分析中使用的常见假设，这些假设可能不适用于我们收集的数据。未来基于纵向模型的再分析可能会提供更细致入微、但更依赖于模型的结果。此外，大学生志愿者和参与者对治疗合法性的依赖引起了外部有效性的担忧。

尽管如此，我们的研究结果为公共卫生运动的发起人提供了一些好消息，即使是在SI压倒性流行的时期，准确度也很高。一致的基于事实的官方消息可以突破SI噪音。

这个实验是多个相关项目之一，研究信息在网络中传播的社会过程，包括两个额外的实验，以解决这些限制。首先，人类参与者被随机分配到预先指定的网络中，这让我们深入了解网络结构的各个方面如何影响疾病信息的扩散。其次，参与者在现实世界的社交网络中与个体分享疾病信息，为我们的研究结果的外部有效性提供了一个测试。虽然这个分析只关注 机器人实验，未来的工作将结合其他2个实验。尽管对实际网络的研究将使更复杂的网络关系的分析成为可能，但在研究人员对参与者体验的控制程度上，它们将有一个实质性的权衡。

在现实世界中，我们的研究结果为基于网络的健康社区提出了一个难题，特别是那些由专业人士管理的社区。在这样的社区中，版主可能扮演着类似于我们实验中官方信息来源的角色[ 41， 42］．在这样的社区中，版主有可能利用网络效应来扩大其官方信息的影响。基于网络的健康社区通常为用户提供以匿名方式联系的机会，并且必须随着时间的推移与其他用户建立关系，这与我们的实验设计类似。然而，重要的是要注意，在这样的社区中，专业人士和版主可能具有巨大的影响力，他们可能产生的积极影响可能导致错误信息的传播，就像它可能导致正确信息的传播一样[ 43， 44］．未来的工作可能希望进一步调查官方和科学协会之间的互动，或者在它们之间的界限不明确的情况下，例如当基于web的健康社区的版主或用户表示自己具有专业知识，而其他用户必须评估用户的可信度时。

我们的研究结果强调了公共卫生从业者考虑成骨不全来源和成骨不全来源影响的重要性，成骨不全来源可能有一定程度的控制，而成骨不全来源的控制可能有限。我们还表明，OI在促进学习方面比社会提供的信息更有效，强调了公共卫生运动对诱导正确信念的重要性。虽然我们没有发现官方和SI相互作用的证据，但这种相互作用的影响可能是微小和微妙的，尽管如此，我们还是鼓励从业者考虑不成骨不全是如何通过社会关系传播的。