我们选取在知乎上有健康信息行为(健康信息浏览、评论、搜索等相关行为)的用户作为本次研究的调查样本。在查阅文献的基础上，设计了基于网络的问卷调查量表。该量表由我们之前概述的项目组成，用于测量SQACs用户中与WAHI相关的6个变量的19个指标。所有量表项目均采用李克特5点量表进行评分。我们选择22名研究生作为预调查的参与者来测试问卷的可用性和质量。根据问卷的预调查结果，我们删除了变量EE的一个指标项(即“在知乎上检索健康信息往往需要更多的时间”)。在调整问卷内容和结构后，经专家讨论确定最终量表。我们在问卷的最终人口指标部分加入了筛选项目，以确保我们使用的所有数据都专门来自知乎用户组。我们于2020年6月5日至19日在网络问卷平台“问卷行”(猎聘控股有限公司)上进行了为期14天的网络调查。该问卷由知乎用户通过微信(腾讯控股有限公司)转发问卷链接分发。 Before the survey process could advance, we presented the content of this study and required respondents to confirm their informed consent for participating further in this study. In total, data from 921 participants’ were collected in this study. After filtering out the data of the nonusers of Zhihu and data with missing values and obvious errors, valid data from 598 participants were obtained, with an effective rate of 64.93%. A detailed list of questions can be found in 多媒体附件2gydF4y2Ba．gydF4y2Ba

在进行数据分析之前，我们使用Microsoft Excel进行数据清理和预处理。本研究使用的统计分析工具主要包括SPSS 24.0版本(IBM Corporation)、矩量结构分析(AMOS) 24.0版本(IBM Corporation)和SPSS的过程宏3.3版本[gydF4y2Ba 46gydF4y2Ba］．考虑到知乎用户的年龄分布比较集中，为了避免某些年龄组的样本量为0，增加不必要的系统错误率，我们按年龄(20年增量)对样本进行分组。利用结构方程模型，计算了变量间的通径系数，验证了假设。在Process中，我们通过层次回归来验证模型中各调节变量的调节作用是否显著。我们设定了一个gydF4y2Ba PgydF4y2Ba数值小于0.05为有统计学意义。gydF4y2Ba

综合信度和Cronbach α是最常用的问卷信度指标。如gydF4y2Ba 表1gydF4y2Ba，除EE外，各变量的Cronbach α和复合信度值均大于.7，问卷整体Cronbach α值为.917。这些结果表明我们为这项研究开发的问卷具有良好的信度[gydF4y2Ba 47gydF4y2Ba］．问卷效度检验包括内容效度和结构效度两部分。由于我们的模型和指标表达式经过了他人的多次验证，问卷具有较高的内容效度。结构效度包括收敛效度和辨别效度。收敛效度要求每个指标项的因子载荷和平均方差提取(AVE)值超过0.5。如gydF4y2Ba 表1gydF4y2Ba，本研究中的所有变量都超过了这个阈值，除了EE。判别效度要求每个变量的相关系数小于变量本身AVE值的平方根，并且gydF4y2Ba 表2gydF4y2Ba说明问卷通过了鉴别效度检验。gydF4y2Ba

本研究参与者的人口统计学特征见gydF4y2Ba 表3gydF4y2Ba．在598名受访者中，69.90% (n=419)为女性，94.15% (n=563)为19至38岁。刚刚超过四分之三的受访者(477/598,79.77%)接受过本科或以上教育。gydF4y2Ba

我们用AMOS 24.0和SPSS 24.0完成了模型的路径验证gydF4y2Ba 表4gydF4y2Ba给出了模型拟合结果。我们计算的模型拟合指数为卡方/ df比、近似均方根误差(RMSEA)、范数拟合指数、相对拟合指数、增量拟合指数、Tucker-Lewis指数和累积拟合指数。通常，当卡方与df比<3,RMSEA <0.08，范数拟合指数、相对拟合指数、增量拟合指数、Tucker-Lewis指数和累积拟合指数为>0.9时，认为模型拟合良好[gydF4y2Ba 48gydF4y2Ba，gydF4y2Ba 49gydF4y2Ba］．gydF4y2Ba

结构方程模型和路径系数如所示gydF4y2Ba 表5gydF4y2Ba．路径" EE to WAHI " (gydF4y2Ba PgydF4y2Ba=.79)和“PR to WAHI”(gydF4y2Ba PgydF4y2Ba=.41)不显著，而“PE到WAHI”路径(β=.282;gydF4y2Ba PgydF4y2Ba<.001)， " SI to WAHI " (β=.238;gydF4y2Ba PgydF4y2Ba=.02)和“FC to WAHI”(β=.279;gydF4y2Ba PgydF4y2Ba=.002)显著。我们的研究结果支持H1、H3和H4，但不支持H2和H5。gydF4y2Ba

使用SPSS的Process宏3.3版本，我们完成了模型中调节变量的调节效应的检验，并给出了调节效应在gydF4y2Ba 表6gydF4y2Ba．结果是gydF4y2Ba 表6gydF4y2Ba表明性别显著调节了PE对SQAC使用者WAHI的影响。这支持H6。但是，不支持H7和H8。gydF4y2Ba 表7gydF4y2Ba显示了纳入性别作为调节变量之前和之后的模型参数。关于模型1，gydF4y2Ba 表7gydF4y2Ba表示各变量的标准化系数和对应的RgydF4y2Ba^2gydF4y2Ba而且gydF4y2Ba FgydF4y2Ba测试不包括调节变量时的值。关于模型2，gydF4y2Ba 表7gydF4y2Ba反映了在我们引入性别作为调节变量后发生的参数变化。与模型1相比，加入不同的调节变量后，模型2对SQAC用户WAHI的解释能力有所提高。gydF4y2Ba 图2gydF4y2Ba展示了本研究中调节效应的视觉表现。的斜率gydF4y2Ba 图2gydF4y2Ba表示PE对SQAC用户WAHI的影响。坡度越大，模型对WAHI越敏感。我们发现男性样本的斜率远远大于女性样本的斜率(gydF4y2Ba 图2gydF4y2Ba)．因此，我们认为男性组比女性组波动更明显。gydF4y2Ba

自2019冠状病毒病爆发以来，SQACs在公众获取卫生信息方面的作用日益突出。本研究分析了新冠肺炎大流行期间SQAC用户WAHI的影响因素。我们通过使用包含基于UTAUT及其单个组件的项目的问卷来进行测量。根据我们的结果，PE (gydF4y2Ba PgydF4y2Ba<.001)和SI (gydF4y2Ba PgydF4y2Ba= 0.02)对WAHI有显著的正向影响。PE反映了用户对通过健康信息改善健康状况的期望，如果社区用户相信这些信息对他们有帮助，WAHI在社区中就会增加。然而，与PE不同的是，SI通过用户周围的人来影响WAHI。采用健康信息的个人健康状况的改善将鼓励SQAC用户采用这些个人推荐的健康信息。Abdelhamid [gydF4y2Ba 25gydF4y2Ba的研究发现，感知有用性和SI是影响患者之间健康信息交换的最重要因素，我们的研究结果与这一结论一致。gydF4y2Ba

在合规合法的前提下，SQAC运营商可以充分利用用户在SQAC中的痕迹(如浏览内容、页面停留时间、点赞、收藏、内容、私信主题等)。在这种信息的帮助下，SQAC操作者可以增强关注相同健康主题的不同用户之间的关系强度。新冠肺炎疫情发生后，人们更加关注健康问题。这为SQAC运营商提高用户关系强度提供了难得的机会。此外，积极引导用户分享对健康信息的理解和体验，是提高用户PEs和SI的另一种有效方法。通过使用这些方法，我们可以进一步提高用户的WAHI和用户的健康水平。gydF4y2Ba

fc正向影响SQAC用户的WAHI。fc是用户在接受健康信息过程中外围辅助功能的集成。它们是基于个人的理解水平、从平台检索信息的便利性以及其他用户在理解健康信息方面的帮助而形成的。当这种辅助作用的有效性提高时，SQAC用户接受健康信息的过程会更加顺畅，用户接受健康信息的信心也会增加。通过这种良性循环的过程，健康信息被不断地共享、交换和采用，完善健康信息检索机制可以提高检索健康信息的质量。gydF4y2Ba

EE (gydF4y2Ba PgydF4y2Ba=.79)和PR (gydF4y2Ba PgydF4y2Ba=.41)对SQAC用户的WAHI没有显著影响。我们认为是许多因素的相互作用导致了这一结果。原始UTAUT的原生环境和特征可以解释为什么EE对WAHI没有显著影响。对比Venkatesh等人的研究中用户采用信息技术或信息系统的成本[gydF4y2Ba 22gydF4y2Ba]，在建立原始UTAUT模型时，SQAC用户采用健康信息的成本较低。在某种程度上，如果健康信息采用成本较低，EE的显著性水平也会较低。然而，风险来自于未知。Sudhakar等人[gydF4y2Ba 50gydF4y2Ba]发现较低的教育水平与较低的卫生知识水平显著相关。对于大多数SQAC用户来说，高等教育意味着更高的信息素养。在本研究中，无论SQAC用户总数还是样本量，用户的人口统计学特征都反映了较高的教育水平，这对理解和使用健康信息很重要。考夫林等人[gydF4y2Ba 51gydF4y2Ba]发现卫生知识有限的人不太可能使用患者网站门户。我们认为，接受健康信息的、受教育程度较低的SQAC用户比受教育程度较高的用户面临更多的困难和风险。然而，EE和PR对SQAC用户的WAHI没有显著影响，可能还有更深层次的原因。我们的结果不确定，需要我们进行更深入和详细的研究。gydF4y2Ba

如gydF4y2Ba 表6gydF4y2Ba而且gydF4y2Ba 7gydF4y2Ba，性别对“体育到WAHI”路径的调节作用(gydF4y2Ba PgydF4y2Ba=.02)显著，且gydF4y2Ba 图2gydF4y2Ba表明男性的WAHI比女性的WAHI对PE更敏感。鲍曼等人[gydF4y2Ba 52gydF4y2Ba]发现性别对网络用户健康信息搜索行为的影响因素具有不同的调节作用。通过实证研究，Ek [gydF4y2Ba 53gydF4y2Ba的调查发现，男性从家庭成员、朋友和同事那里获得的非正式健康信息远远少于女性。因此，男性的PEs在增加WAHI方面比女性的PEs更有效。SQAC运营商在试图确定最佳健康信息传播方案时，应更多地注意性别在“从体育到WAHI”路径中的调节作用。针对不同性别的使用者，应采取不同的应对策略。但是，我们可以根据用户的性别区分SQAC用户接收的信息，从而有效地提高他们的WAHI。gydF4y2Ba

在本研究中，我们提出了一个基于原生UTAUT的知乎SQAC用户WAHI模型，并发现该模型具有较好的解释力。我们还分析了知乎用户WAHI的不同影响因素。PE、SI和FCs是主要影响因素，且PE的作用因性别而异。根据本研究的研究结果，我们提出了几点可以实施的建议和措施。gydF4y2Ba

虽然我们努力做到严谨，但在这项研究中仍然存在一些局限性。首先，这是基于SQAC用户主观认知的问卷调查;因此，我们无法避免与自我报告相关的各种主观因素的干扰。其次，这是一项横断面研究，因此不可能观察到SQAC用户的WAHI随时间的变化。第三，虽然我们确保了样本尽可能具有代表性，但仍然存在一些不可避免的系统性错误。第四，尽管SQACs逐渐成为用户获取健康信息不可或缺的平台，但大多数用户仍然使用搜索引擎等方式获取这些信息，我们没有充分解释这些不同健康信息来源之间的相互作用以及用户接受这些信息的意愿。第五，本研究建立的模型是UTAUT模型的有限扩展，无法涵盖因变量的所有影响因素。其他变量如信息质量、信任、医疗经验等将作为后续研究的重点进行建模和研究。此外，在变量指标的选择上还存在一些局限性。在考虑到本研究的效率后，我们排除了一些我们主观认为不重要的指标，但纳入这些指标是否会增强模型的解释力，还有待进一步研究。 Finally, we only attempted to identify the moderating effects of demographic characteristics. Therefore, only gender, age, and education level were selected for verification. Whether other demographic indicators have a significant impact needs to be further verified. In spite of the above limitations, the conclusions and suggestions of this study can be used as references by relevant health management agencies.

我们构建了一个基于utaut的模型来解释COVID-19大流行期间知乎SQAC用户的WAHI。我们通过一项通过结构方程模型分析的调查数据(我们在网上进行的)来验证我们的假设。结果表明，PE、SI和FCs对SQAC使用者的WAHI有正向影响;EE和PR不影响用户的WAHI。我们还发现性别(gydF4y2Ba PgydF4y2Ba=.02)对模型有显著的调节作用。我们认为，提高SQAC平台的用户关系强度和改善用户体验是提高SQAC用户WAHI的最有效方法。此外，我们需要鼓励所有用户提高他们的卫生信息素养。尽管本研究存在局限性，但SQAC运营商、研究人员和政策制定者可以参考我们的结果来指导政策决策。gydF4y2Ba