知识管理论坛 >

2026 , Vol. 11 >Issue 4: 295 - 308

DOI: https://doi.org/10.13266/j.issn.2095-5472.2026.025

研究论文

数字健康素养对大学生在线健康信息获取的影响研究

  • 曹高辉 1, 2 ,
  • 李园园 1 ,
  • 董焕晴 , 1
展开
  • 1. 华中师范大学信息管理学院 武汉 430079
  • 2. 数据治理与智能决策研究中心 武汉 430079
董焕晴，博士研究生，E-mail：。

作者贡献声明/Author contributions：

曹高辉：研究思路和方法指导，论文修改；

李园园：研究思路设计，数据收集与分析，论文撰写与修改；

董焕晴：研究思路指导，论文修改。

曹高辉，华中师范大学信息管理学院院长，教授，博士；

李园园，硕士研究生

收稿日期: 2026-04-10

  网络出版日期: 2026-07-28

基金资助

国家社会科学基金重大项目“智能时代提升全民数字素养的理论和实践研究”(24&ZD180)

收起

Research on the Impact of Digital Health Literacy on College Students' Online Health Information Acquisition

  • Cao Gaohui 1, 2 ,
  • Li Yuanyuan 1 ,
  • Dong Huanqing , 1
Expand
  • 1. School of Information Management, Central China Normal University, Wuhan 430079
  • 2. Center for Data Governance and Intelligent Decision Making, Wuhan 4300791
Dong Huanqing, Doctoral Candidate, E-mail: .

Cao Gaohui, Dean, Professor, PhD;

Li Yuanyuan, Master's Candidate

Received date: 2026-04-10

  Online published: 2026-07-28

Supported by

Major Project of the National Social Science Fund of China titled “Theoretical and Practical Research on Improving Digital Literacy for All in the Intelligent Era”(24&ZD180)

Fold

摘要

［目的/意义］ 针对网络健康信息数量激增、质量差异显著与大学生健康信息需求持续增长的问题，探索数字健康素养促进大学生在线健康信息获取的作用机制，揭示影响大学生在线健康信息获取的内在路径，旨在帮助大学生高效获取健康信息，为优化在线信息平台的健康信息服务提供参考。［方法/过程］ 借鉴KSAVE模型和TMeHL框架，从知识与技能两个层面对数字健康素养进行维度划分，将其细化为数字健康知识水平、数字健康信息搜索能力、数字健康信息评估能力和数字健康信息互动能力4个维度。在此基础上，结合S-O-R理论框架，并引入自我效能理论，构建数字健康素养影响大学生在线健康信息获取的理论模型。采用问卷调查法收集数据，共收集到319份有效问卷数据，并利用结构方程模型检验研究假设。［结果/结论］ 结果发现，技能层面数字健康素养（数字健康信息搜索能力、数字健康信息评估能力和数字健康信息互动能力）均能显著提升大学生的健康自我效能感和网络自我效能感，并进一步促进其对在线健康信息的获取。相反，数字健康知识水平对大学生健康自我效能感和网络自我效能感的作用路径均不显著，无法通过增强其自我效能感促进在线健康信息获取。

关键词： 数字健康素养; 在线健康信息获取; 自我效能理论; 健康自我效能感; 网络自我效能感

本文引用格式

曹高辉 , 李园园 , 董焕晴 . 数字健康素养对大学生在线健康信息获取的影响研究[J]. 知识管理论坛, 2026 , 11(4) : 295 -308 . DOI: 10.13266/j.issn.2095-5472.2026.025

Abstract

[Purpose/Significance] In response to the rapid growth of online health information, significant variations in its quality, and the rising health information needs among university students, this study explores the mechanism of digital health literacy in improving college students' online health information acquisition. It aims to reveal the underlying pathways influencing online health information acquisition, thereby helping students access health information more effectively and providing a reference for optimizing health information services on online platforms. [Method/Process] Drawing upon the KSAVE model and the TMeHL framework, this study conceptualized digital health literacy from the two dimensions of knowledge and skills, and further operationalized it into four dimensions: digital health knowledge level, digital health information search ability, digital health information evaluation ability, and digital health information interaction ability. Based on this conceptualization, a theoretical model was developed to examine the influence of digital health literacy on university students' online health information acquisition by integrating the S-O-R theoretical framework with self-efficacy theory. Data were collected through questionnaire surveys, yielding 319 valid responses. Structural equation modeling was employed to test the proposed hypotheses. [Result/Conclusion] The results reveal that digital health literacy at the skill level, including digital health information search ability, digital health information evaluation ability, and digital health information interaction ability, significantly enhances university students' health self-efficacy and Internet self-efficacy, thereby further promoting their online health information acquisition. In contrast, the effects of digital health knowledge level on both health self-efficacy and Internet self-efficacy are not significant, suggesting that digital health knowledge level does not facilitate online health information acquisition through the enhancement of self-efficacy.

Key words： digital health literacy; online health information acquisition; self-efficacy theory; healthy self-efficacy; internet self-efficacy

目前，疾病年轻化开始成为全球公共卫生的重要挑战，据《2024中国卫生健康统计年鉴》，2023年，调查地区15—24岁和25—34岁居民慢性病患病率分别达到2.19%和4.79%[1]。其中，大学生群体作为重要的年轻群体，也面临着日益严峻的健康风险，同时大学生往往不够成熟和较为敏感，其自我健康焦虑日益增长。鉴于网络的便捷、低成本、即时和匿名，互联网逐渐成为大学生获取健康信息的重要渠道，如搜索引擎、社交媒体、生成式AI等平台。大学生可以利用互联网获取健康保健、疾病预防、疾病治疗、医保政策等健康信息，这些健康信息有利于指导医疗决策制定、改善生活方式[2]。然而，面对网络上海量质量良莠不齐的健康信息，大学生在获取健康信息的过程中，可能更倾向于选择低认知成本路径，存在搜索策略和搜索渠道较为单一、难以判断信息质量[3-4]等问题，这在一定程度上阻碍了大学生对健康信息的获取。因此，有必要探索如何帮助大学生获取到高质量的在线健康信息。
C. D. Norman等[5]于2006年提出了一项涵盖多维度的综合能力，即数字健康素养，为解决上述问题提供了研究思路。数字健康素养，指在动态环境下定位、理解、交换和评估线上健康信息，以及应用获得的信息促进健康的能力[6]。数字健康素养要求人们具备数字健康信息搜索、评估、互动等能力，这些技能能够帮助大学生采取更多样化和更有效的搜索策略[7-8]，辨别虚假健康信息，并与其他网民顺畅交流健康相关话题，从而有利于帮助其获取到高质量的健康信息。已有研究也证实了数字健康素养高的个体，往往可以更高效地获取健康信息[9]，但其中的具体作用机制有待进一步完善。因此，本研究将探讨数字健康素养具体是如何对大学生在线健康信息获取产生影响，其中有哪些中介机制，以期优化在线信息平台的功能，为大学生提供更优质的健康信息服务。

1 相关研究/Related research

1.1 数字健康素养研究

数字健康素养最初被命名为电子健康素养，指从电子资源寻求、发现、理解和评估健康信息，并将所获得的健康信息加以处理，应用于解决健康问题的能力[5]。之后，随着Web 2.0时代的到来，学者们意识到要纳入社交媒体的互动属性扩展数字健康素养的概念[10]，如S. R. Paige等[6]从沟通的角度将数字健康素养定义为在动态环境下定位、理解、交换和评估线上健康信息，以及将所获得的信息应用于维持或改善健康的能力。以往学者对数字健康素养概念的阐释主要从技能角度展开，KSAVE模型（包括知识、技能、态度、价值观和伦理5个领域）的提出[11]和应用[12]为其概念的扩充与完善提供了更丰富的视角，有利于其概念发展紧追时代步伐。目前，学界关于数字健康素养的研究主要集中在量表开发与验证、影响因素和干预措施研究，以及其与健康行为、健康结果之间关系的研究。在量表开发和验证方面，C. D. Norman等[13]最早提出了电子健康素养量表（eHealth literacy scale，eHEALS），该量表已被翻译成多国语言并在不同人群中得到了验证[14]；S. R. Paige等[15]编制了交互电子健康素养工具（transactional eHealth literacy instrument，TeHLI），从数字健康信息搜索、评估、互动和应用能力4个维度评估电子健康素养。在影响因素和干预措施方面，M. Estrela等[16]发现高龄对数字健康素养有负面影响，较高的教育水平、收入和社会支持会对数字健康素养产生积极影响；C. Sun等[17]认为拥有数字设备接入、更频繁地使用电子健康服务以及对电子健康持有更积极的态度，均与更高的电子健康素养显著相关；C. Barbati等[18]通过元分析方法验证了数字健康素养干预措施的有效性；T. Mukhtar等[19]从健康保健的角度证明了数字健康素养干预有利于提高个体健康知识水平、改善药物治疗依从性、增强自信心。在数字健康素养与健康行为、健康结果之间关系方面，数字健康素养有利于促进健康生活方式，提高健康生活质量，已有研究发现数字健康素养高的个体会更积极地获取健康信息[20]，坚持体育锻炼[21]，数字医疗服务使用意向也更强烈[22]；J. Li[23]发现数字健康素养可以显著调节同伴支持和体育锻炼氛围对大学生睡眠质量的影响；S. Li等[24]得出数字健康素养负向影响老年人的虚弱情况；还有学者证明了数字健康素养和孤独感[25]、健康焦虑[26]、抑郁[27]等心理健康结果存在负相关关系。
综合梳理现有的数字健康素养相关文献能够发现，目前有关数字健康素养的研究相对比较成熟，从概念发展到量表开发验证，从影响因素分析到干预措施制定，从基础研究到扩展研究，学者们对讨论数字健康素养和健康行为、健康结果之间关系也展现了浓厚兴趣。然而，学者们主要从整体的视角评估数字健康素养，以探究其与健康行为或健康结果之间的关系，而数字健康素养作为一项多维度的综合能力，少有研究探索多个具体数字健康素养维度的单独影响。因此，在探究数字健康素养和健康行为或健康结果的关系方面，本研究拟基于KSAVE模型和TMeHL（transactional model of eHealth literacy，电子健康素养交互模型），从知识和技能两个层面将数字健康素养细化为不同维度，以探究特定维度数字健康素养的净效应。

1.2 健康信息获取研究

健康信息获取是指个体主动或被动获取健康信息的过程，如通过搜索、咨询、查阅等方式主动获取自己所需的健康信息，以及通过平台推送、算法推荐、社交传播、媒体报道或环境展示等方式被动获取健康信息，涵盖浏览、咨询、搜索、评估、筛选等多个环节。目前，学界围绕健康信息获取的意愿、渠道和影响因素等方面展开了丰富研究。在健康信息获取的意愿和渠道方面，沈艳丽等[28]发现感知有用性、群体规范和感知易得性可激励居民获取健康信息；陈忆金等[29]对比了不同情境下老年人健康信息源选择的差异性，得出老年人主要依赖组织信息源和人际信息源获取健康信息，较少使用网络信息源和印刷信息源，这与K. P. Altizer等[30]和W. Choi[31]的研究结果相吻合；还有研究发现罕见骨骼疾病患者及家属获取健康信息的主要途径是网络平台[32]，大学生主要通过手机APP获取健康信息[4]。在健康信息获取的影响因素方面，学者们针对不同群体（如老年人、患者、农民工、在线平台用户等）均展开了探讨，W. Wang等[33]提出老年人的健康信息获取行为主要包括主动搜寻、被动浏览和长期收藏三种模式，并探究了数字素养和健康素养的三个维度对三种特定健康信息获取行为的影响；J. Jia等[34]基于社会资本理论并采用fsQCA（fuzzy-set qualitative comparative analysis，模糊集定性比较分析）法探讨了影响社交问答平台用户健康信息获取行为的多维因素及其交互作用，结果显示社会资本的结构、关系和认知维度均显著影响用户健康信息获取行为；胡宇帆等[9]以脑卒中患者为研究对象，发现数字健康素养既直接正向影响其健康信息获取，也通过信息自我效能间接影响健康信息获取；王秀红等[35]基于扎根理论得出个人因素、人际因素、组织因素、社区因素和社会因素均影响农民工的健康信息获取。
综上，目前学界对健康信息获取展开了丰富的讨论，但关于在线健康信息获取的相关研究总体偏少，少部分学者探讨了数字健康素养对在线健康信息获取的影响，但主要从整体角度评估数字健康素养，其中的具体作用机制也有待进一步完善。因此，本研究拟采用KSAVE模型和TMeHL从知识和技能两个层面细化数字健康素养维度，基于S-O-R理论框架，并整合自我效能理论，构建数字健康素养对大学生在线健康信息获取的影响模型，深入探索在自身数字健康知识和技能水平的刺激下大学生自我效能的变化，及其对在线健康信息获取的作用机理。

2 理论模型与研究假设/Theoretical model and research hypotheses

2.1 理论模型

2.1.1 KSAVE模型和TMeHL

KSAVE模型是一个用于评估21世纪技能的框架，涵盖了知识（knowledge）、技能（skills）、态度（attitudes）、价值观（values）和伦理（ethics）5个关键领域。其中，知识指个体在特定领域所需的基础知识，技能指个体需要掌握的能力、技能和方法，态度、价值观和伦理指个体在知识和技能方面表现出的行为和情感[36]。该模型目前已被应用于评估数智时代的AI素养[12]和智能素养[37]，被视为评估数字技术等的通用框架。数字健康素养培养人们在数字时代利用数字技术保障自身健康的能力，也可以基于KSAVE模型进行评估。为探究数字健康素养对在线健康信息获取的作用机制，本研究主要从知识和技能两个层面对数字健康素养进行维度划分。其原因在于，在线健康信息获取主要体现在个体对健康信息来源、健康信息内容的认知，以及在网络环境中搜索、咨询、评估和筛选健康信息的能力，知识层面数字健康素养和技能层面数字健康素养更能直接解释大学生在线健康信息获取的差异。
知识层面数字健康素养也即数字健康知识，涉及个体在数字健康领域所需的具体知识，如了解健康相关知识、数字健康技术等，技能层面的数字健康素养将依据TMeHL进一步划分为数字健康信息搜索能力、数字健康信息评估能力和数字健康信息互动能力。TMeHL是S. R. Paige等[6]提出的电子健康素养交互模型，该模型以交互传播模型（transactional model of communication，TMC）为理论基础，将电子健康素养按能力划分为功能性、沟通性、批判性和转化性4个层级，分别对应健康信息的定位与理解、交流、评价和应用过程。由于本研究在线健康信息获取不涉及健康信息的应用环节，所以仅选取搜索、评估和互动3个技能层面的数字健康素养维度。

2.1.2 自我效能理论

班杜拉（A. Bandura）于1997年在《自我效能：关于行为变化的综合理论》中首次提出了“自我效能”这一概念[38]，之后班杜拉等进行了大量实证研究逐步完善了自我效能理论。自我效能指个体在完成特定任务和达成特定目标时，对自我能力的一种感知和信念[39]。自我效能理论的核心思想是个体认知形成的对自我行为能力的预期和判断影响其行为的选择、投入努力的大小或者在特定任务中展现能力的大小[40]。从信息来源看，自我效能的形成源自4类信息：直接经验、替代性经验、言语劝说、情绪及心理状态[40]。直接经验指个体通过亲身经历直接掌握的经验；替代性经验指个体通过观察与其能力相近的他人从事同一活动的行为及结果，产生对自身能力的认识和行动结果的预期；言语劝说指他人对于个体是否有能力获得成功所发表的言论；情绪及心理状态包括个体的健康机能、身体活动、是否处于应激状态等[41]。从作用机制看，自我效能主要通过认知过程、动机过程、情感过程和选择过程4种中介机制发挥对人类机能的调节作用[41]。
在通过互联网（如搜索引擎、社交媒体、AI等）获取健康信息的过程中，大学生通过实操学习不断积累经验，一方面，其了解的健康相关知识逐渐增多，另一方面，其健康信息搜索能力、评估能力和互动能力也会逐渐提升。而随着其数字健康知识水平和技能的提高，大学生获取到所需健康信息的成功率也逐渐提高，这些成功经验的积累有利于增强大学生的自我效能感。同时，除了通过实操学习积累经验，大学生也擅长通过观察学习或者模仿学习积累健康信息获取经验，有助于提高自我效能感。进一步，具有较高自我效能感的学生更有可能积极寻找所需的健康信息，并在获取健康信息的过程中表现出更多的努力和持久性，同时，自我效能感较高的学生在面对健康信息获取过程中的挑战时，也更能保持积极态度，这有助于提高他们健康信息的获取效率和效果[42]。

2.1.3 S-O-R模型

刺激—机体—反应（stimuli-organism-response，S-O-R）模型认为外部环境刺激（S）会引起个体的内在感知（O），进而导致个体做出相应的行为反应（R）[43]。目前，S-O-R模型已被广泛应用于个体行为相关问题的研究，如周涛等[44]借鉴S-O-R框架调查了在内部动机和外部动机的共同刺激下在线知识社区用户潜水行为变化；吴丹等[45]应用S-O-R模型讨论了影响生成式智能搜索结果可信度的因素；孟玺等[46]基于S-O-R模型，将个体因素（算法素养）和环境因素（政府规则和平台算法责任）作为刺激，对影响社交媒体用户参与算法风险治理的因素进行了探讨。在网络健康信息获取情境中，大学生的数字健康素养作为刺激因素，有利于提高其对健康管理和互联网使用能力的内在感知，进而影响其对在线健康信息的获取。因此，本研究拟采用S-O-R理论框架，以数字健康素养构成要素为刺激变量，健康自我效能感和网络自我效能感为机体变量，在线健康信息获取为反应变量，探究数字健康素养对在线健康信息获取的影响，具体研究模型见图1。
图1 数字健康素养对在线健康信息获取影响模型

Figure 1 The influence model of digital health literacy on the online health information acquisition

2.2 研究假设

2.2.1 数字健康素养与自我效能感

在线健康信息获取情境中，个体的自我效能感主要涵盖健康自我效能感和网络自我效能感。健康自我效能感指个体对管理自身健康能力的信念，网络自我效能感指个体对其使用互联网完成各项任务的信念[42]。从总体看，健康素养和计算机素养是数字健康素养的两个核心内涵。一方面，数字健康素养高的个体具有坚定信念和足够能力获取与利用健康信息[47]，其更有信心管理自身健康，健康自我效能感更高[48]；另一方面，高数字健康素养的个体具有较强的健康信息搜索、评估和互动能力，互联网和数字技术使用熟悉度较高，网络自我效能感更强[49]。
具体地，数字健康知识水平从知识层面衡量个体的数字健康素养，要求人们了解健康相关知识、数字健康技术，以及数字技术可用于健康管理或健康促进[50]。在网上获取健康信息的过程中，知识层面健康素养较高的个体可以更好地理解和评估在线健康信息[51]，因此更有可能识别和选择高质量的健康信息[52]，有利于提升其健康认知能力。此外，姜雪等[53]发现先验知识水平较高的个体在互联网搜索任务中会利用更丰富、更专业、更具体的检索式，可见，具备高水平数字健康知识的个体更有可能熟练使用搜索引擎和在线数据库，其对通过互联网获取健康信息的自信心较高。基于此，本研究提出假设H1a和H1b。
H1a：数字健康知识水平正向影响健康自我效能感。
H1b：数字健康知识水平正向影响网络自我效能感。
数字健康信息搜索能力旨在帮助个体在庞杂的网络数据中高效找到所需的健康信息，是互联网时代的重要技能。袁红等[54]得出，在探索式搜索过程中，随着搜索能力的增强，个体使用的搜索工具种类越多，选用的检索词也越多样化和精确，搜索过程越深入和高效；赵一鸣等[55]进一步验证了，在开放性任务中，定向浏览且多次切换搜索系统有利于提高信息搜索效果。以此类推，数字健康信息搜索能力强的个体，也能够较为高效地获取高质量健康信息，从而指导其健康决策，这有助于增强其对自己健康管理能力的信心，提高健康自我效能感。同时，较强的信息搜索技能也有利于激发个体对自身网络操作能力的信心。基于此，本研究提出假设H2a和H2b。
H2a：数字健康信息搜索能力正向影响健康自我效能感。
H2b：数字健康信息搜索能力正向影响网络自我效能感。
数字健康信息评估能力是指个体在数字环境中对健康信息进行有效识别、分析、评价和选择的能力，旨在帮助个体评估健康信息质量，判断健康信息的准确性、可靠性和相关性等。其中，分析性思维作为数字健康信息评估能力中的重要部分，有学者通过实证分析验证了个体的分析性思维对辨别真伪健康信息具有显著正向影响，当个体对真伪健康信息的辨别能力越高，其越能获得准确的健康信息[56]，从而有利于指导其健康决策，增强健康决策信心，提升其健康自我效能感。此外，一项关于健康焦虑人群信息行为的研究发现，健康焦虑人群对健康信息有着极高的要求，他们擅长对比、总结和评估信息的可靠性，并利用多种信息源验证信息的准确性[57]。由此可知，在评估健康信息的过程中，个体需要熟悉信息获取渠道、擅用信息验证技术，这些技能的积累有利于增强其对互联网使用的信心。基于此，本研究提出假设H3a和H3b。
H3a：数字健康信息评估能力正向影响健康自我效能感。
H3b：数字健康信息评估能力正向影响网络自我效能感。
随着Web 2.0时代的到来，Web 1.0时代的单向信息发布模式已转变为用户生成内容的多方互动模式，数字健康素养的概念也在基于社交媒体互动性进行扩展[10]。例如，S. R. Paige等[6]提出了交互性电子健康素养的概念，指个体在社交媒体在线环境中，使用多媒体与用户合作、适应并控制健康信息交流的能力，也可以将其理解为数字健康信息互动能力。随着社交媒体的发展，除了通过网络浏览、检索等方式获取健康信息外，借助社交媒体与广大用户交流互动也成为个体获取健康信息的一种重要方式[58]，学者们不再仅仅关注传统意义上的单向信息搜索，也开始关注基于互动的双向信息搜索。有研究证实，与单向信息搜寻（如通过搜索引擎浏览健康网站）相比，双向信息搜寻（如使用社交媒体从同行或医疗专业人士获取信息）可以提供更多优势，例如扩大获取健康信息的渠道，增加社会支持，获得更多寻求澄清的机会，从而提高（医患沟通中）以患者为中心的沟通效率[59]。基于此，本研究提出假设H4a和H4b。
H4a：数字健康信息互动能力正向影响健康自我效能感。
H4b：数字健康信息互动能力正向影响网络自我效能感。

2.2.2 自我效能感与在线健康信息获取

国内外学者的研究已表明，自我效能感对健康行为和健康结果具有促进作用，例如，袁程等[60]的研究揭示了自我效能感在老年慢性病患者电子健康素养与就医行为之间的显著中介效应；Y. Wu等[61]验证了自我效能感有利于促进老年慢性非传染性疾病患者的自我管理行为。以此类推，在线健康信息获取作为互联网时代一项重要的健康行为，自我效能感对健康信息的获取也可能具有一定的促进作用，且已有部分研究探究了自我效能感对信息获取的影响，如胡宇帆等[9]得出高水平信息自我效能可以有效预测脑卒中患者的在线健康信息获取，H. Traci[62]发现高网络自我效能的参与者在信息搜索任务中表现出更强的持续性。同样，个体的健康自我效能感和网络自我效能感均有可能对在线健康信息获取产生影响。基于此，本研究提出假设H5和H6。
H5：健康自我效能感正向影响在线健康信息获取。
H6：网络自我效能感正向影响在线健康信息获取。

3 实证检验/Empirical examination

3.1 问卷设计与数据收集

3.1.1 问卷设计

本研究通过问卷调查法收集数据，问卷分为两个部分，第一部分用于收集个人基本信息，包括性别、年龄、学历等人口统计学信息，以及对在线信息获取频率、健康状况和在线健康信息获取频率的测量；第二部分用于测量研究模型所涉及的各变量，所有变量的测量题项均选自成熟量表或根据已有研究改编而来，并结合具体情境进行了完善。问卷采用五级李克特量表进行评估，1代表非常不赞同，5代表非常赞同。
数字健康知识水平的题项来自A. Karnoe等[63]开发的数字健康素养测量工具中评估健康和保健知识的量表，数字健康信息搜索能力、数字健康信息评估能力和数字健康信息互动能力的题项均来自于S. R. Paige等[15]基于电子健康素养交互模型编制的交互电子健康素养工具（TeHLI），健康自我效能感的测量采用Y. L. Lee等[64]开发的量表，网络自我效能感的测量选取M. S. Eastin等[49]开发的量表，在线健康信息获取的测量题项主要依据用户搜索满意度[65]以及搜索结果的感知有用性[66]、感知相关性[67]、可信度[45]进行编制。在正式发放问卷前，先对具备在线健康信息获取经验的大学生进行了预调研，共收集到86份问卷数据。探索性因子分析结果显示，有3个数字健康知识水平测量题项偏离该维度，有3个网络自我效能感题项偏离该维度，且有1个数字健康信息评估能力测量题项的因子载荷小于0.5，因此删除这7个测量题项。删除这7个测量题项后，各测量变量的Cronbach's α系数均大于0.7。探索性因子分析结果显示，测量变量总体KMO值为0.748，各题项的因子载荷均大于0.5，且符合初始划分维度。修改后的正式问卷共包含32个测量题项，具体见表1。
表1 问卷变量及测量项

Table 1 Questionnaire variables and measurement items

变量 编号 测量题项 参考文献
数字健康知识水平 DHK1 我熟悉康复相关知识 A. Karnoe等[63]
DHK2 我熟悉脾脏相关知识
DHK3 我熟悉医用呼吸机（呼吸器）相关知识
DHK4 我熟悉孤独症相关知识
数字健康信息搜索能力 DHS1 我能够用自己的话总结从互联网上搜索到的基本健康信息 S. R. Paige等[15]
DHS2 我知道如何在互联网上搜索到基本的健康信息
DHS3 我能够在互联网上准确描述自己健康信息需求
DHS4 我有能力告诉别人如何在互联网上搜索到基本的健康信息
数字健康信息评估能力 DHE1 我能辨别互联网上的健康信息发布者是否可靠 S. R. Paige等[15]
DHE2 我能识别互联网上的虚假健康信息
DHE3 我能判断健康网站是否安全可靠，以分享我的个人健康信息
DHE4 我知道如何评估分享健康信息的互联网用户的可信度
数字健康信息互动能力 DHI1 我可以在互联网上实现我的健康信息目标，同时帮助其他用户实现他们的目标 S. R. Paige等[15]
DHI2 我有能力与多个用户同时在互联网上讨论健康话题
DHI3 我能够识别出互联网上健康对话的情感基调
DHI4 我有能力在互联网上为健康对话做出贡献
DHI5 我有能力与分享健康信息的其他互联网用户建立个人联系
健康自我效能感 HSE1 我相信我能对自己的健康产生积极影响 Y. L. Lee等[64]
HSE2 我已经设定了一些明确的目标来改善我的健康状况
HSE3 我已经能够实现我为自己设定的改善健康状况的目标
HSE4 我正在积极努力地改善我的健康状况
HSE5 我觉得我可以控制自己学习健康知识的方式和内容
网络自我效能感 ISE1 我有信心理解与互联网硬件相关的术语或词语 M. S. Eastin等[49]
ISE2 我有信心理解与互联网软件相关的术语或词语
ISE3 我有信心描述出互联网硬件的功能
ISE4 我有信心解决互联网问题
ISE5 我有信心解释为什么某个任务不能在互联网上运行
在线健康信息获取 OHIA1 我对我获取到的健康信息感到满意

Y. Chen等[65]

N. J. Belkin等[66]

S. Joo等[67]

吴丹等[45]

OHIA2 我对我获取到的健康信息充满信心
OHIA3 我认为我获取到的健康信息是可靠的
OHIA4 我认为我获取到的健康信息是符合我的需求的
OHIA5 我认为我获取到的健康信息可以帮助我进行健康决策

3.1.2 数据收集

本研究采用线上和线下相结合的方法收集问卷数据，目标群体是互联网使用较为频繁、有在线健康信息获取经历的高校学生，问卷收集时间从2024年11月18日到2024年12月19日，共收到了362份问卷，剔除数据不完整、未通过测谎题、作答时间过短、答案完全相同、有明显矛盾答案的无效问卷，最终得到319份有效问卷。样本中女性占58%，男性占42%；绝大部分被调研对象的年龄为18—25岁，受教育水平主要是大学本科和硕士研究生。被调研对象的健康状况普遍在中等水平及以上，大部分被调研对象在线健康信息获取频率较高。样本的基本情况详见表2。
表2 样本基本情况

Table 2 Basic information of the sample

项目 类别 人数/人 百分比/%
性别 男 134 42.0
女 185 58.0
年龄/岁 18以下 2 0.6
18—25 296 92.8
26—30 16 5.0
30以上 5 1.6
学历 大学专科 4 1.3
大学本科 186 58.3
硕士研究生 112 35.1
博士研究生 17 5.3
健康状况 较差 4 1.3
一般 101 31.7
较好 159 49.8
非常好 55 17.2
在线健康信息获取频率 每半年至少一次 24 7.5
每季至少一次 41 12.9
每月至少一次 40 12.5
每周至少一次 139 43.6
每天至少一次 75 23.5

3.2 数据分析与模型验证

3.2.1 信效度检验

为验证测量模型的有效性，要对测量模型进行信度、收敛效度和区别效度评估。以Cronbach's α、因子载荷量作为信度测量的指标。如表3所示，本模型所有构念的Cronbach's α值都大于0.8，且所有测量题项因子载荷量都大于0.5，表示具有良好的信度。本研究通过组合信度（composite reliability，CR）和平均变异萃取（average variance extracted，AVE）来检验模型的收敛效度，所有构念的组合信度值都大于0.8，平均变异萃取值均大于0.5，满足收敛效度检验标准。区别效度是通过比较每两个构念之间的相关性和每个构念AVE的平方根来检验的。区别效度结果见表4中的潜变量相关矩阵，所有构念的AVE的平方根均大于其与模型中任何其他构念的相关性，代表本研究模型构念都具有一定的区别效度。
表3 信度和收敛效度

Table 3 Reliability and convergent validity

构念 题项 因子载荷 Cronbach's α CR AVE

数字健康知识水平

（DHK）

 DHK1 0.769 0.815 0.817 0.529
DHK2 0.753
DHK3 0.729
DHK4 0.652

数字健康信息搜索能力

（DHS）

 DHS1 0.720 0.823 0.826 0.543
DHS2 0.767
DHS3 0.723
DHS4 0.737

数字健康信息评估能力

（DHE）

 DHE1 0.812 0.869 0.871 0.629
DHE2 0.857
DHE3 0.733
DHE4 0.764

数字健康信息互动能力

（DHI）

 DHI1 0.691 0.848 0.849 0.530
DHI2 0.760
DHI3 0.699
DHI4 0.743
DHI5 0.745

健康自我效能感

（HSE）

 HSE1 0.689 0.846 0.848 0.527
HSE2 0.757
HSE3 0.732
HSE4 0.775
HSE5 0.673

网络自我效能感

（ISE）

 ISE1 0.907 0.876 0.874 0.588
ISE2 0.910
ISE3 0.740
ISE4 0.622
ISE5 0.596

在线健康信息获取

（OHIA)

 OHIA1 0.777 0.871 0.873 0.578
OHIA2 0.772
OHIA3 0.778
OHIA4 0.755
OHIA5 0.718
表4 区别效度

Table 4 Discriminative validity

变量 DHK DHS DHE DHI HSE ISE OHIA
DHK 0.727
DHS 0.387 0.737
DHE 0.333 0.464 0.793
DHI 0.392 0.501 0.499 0.728
HSE 0.286 0.396 0.379 0.401 0.726
ISE 0.218 0.385 0.386 0.411 0.339 0.767
OHIA 0.321 0.593 0.448 0.514 0.432 0.429 0.760

3.2.2 模型拟合度与假设检验

本研究使用Amos 26.0对结构方程模型进行检验，模型适配度检验结果如表5所示，卡方自由度比在1—3范围内，RMSEA小于0.08，CFI、IFI、TLI等增值适配度指标均在0.9以上，可见模型拟合较好。在此基础上，使用Amos 26.0进行了路径分析，结果如图2和表6所示，数字健康信息搜索能力（β=0.217，p<0.01；β=0.203，p<0.01）、数字健康信息评估能力（β=0.172，p<0.05；β=0.190，p<0.01）和数字健康信息互动能力（β=0.200，p<0.05；β=0.229，p<0.01）均显著正向影响健康自我效能感和网络自我效能感，假设H2a、H2b、H3a、H3b、H4a、H4b成立，但数字健康知识水平对健康自我效能感和网络自我效能感没有显著影响，假设H1a和H1b被拒绝，部分验证了数字健康素养对自我效能感的影响。同时，健康自我效能感（β=0.330，p<0.001）和网络自我效能感（β=0.362，p<0.001）均显著正向影响在线健康信息获取，假设H5和H6，验证了自我效能感对在线健康信息获取的影响。
表5 模型适配度检验结果

Table 5 Test results of model fit

指标类别 适配度指标 判断标准 指标值 适配效果
绝对适配度指标 CMIN/DF 1—3 1.871 理想
RMSEA <0.08 0.052 理想
GFI >0.9（理想）；>0.8（合理） 0.857 合理
AGFI >0.9（理想）；>0.8（合理） 0.831 合理
增值适配度指标 CFI >0.9（理想）；>0.8（合理） 0.922 理想
IFI >0.9（理想）；>0.8（合理） 0.923 理想
TLI >0.9（理想）；>0.8（合理） 0.914 理想
简约适配度指标 PCFI >0.5 0.833 理想
PRATIO >0.5 0.903 理想
图2 模型路径分析结果

注：*代表p<0.05；**代表p<0.01；***代表p<0.001；虚线表示不显著。

Figure 2 Model path analysis results

表6 模型假设检验结果

Table 6 Model hypothesis test results

假设 路径 路径系数 SE T P 检验结果
H1a DHK→HSE 0.078 0.045 1.125 0.261 不成立
H1b DHK→ISE -0.007 0.076 -0.106 0.916 不成立
H2a DHS→HSE 0.217 0.075 2.721 0.007 成立
H2b DHS→ISE 0.203 0.125 2.679 0.007 成立
H3a DHE→HSE 0.172 0.050 2.322 0.020 成立
H3b DHE→ISE 0.190 0.084 2.673 0.008 成立
H4a DHI→HSE 0.200 0.065 2.499 0.012 成立
H4b DHI→ISE 0.229 0.109 2.984 0.003 成立
H5 HSE→OHIA 0.330 0.043 5.552 *** 成立
H6 ISE→OHIA 0.362 0.083 5.539 *** 成立

3.2.3 中介效应分析

本研究采用Bootstrapping法检验了中介效应。使用Amos 26.0软件，设置Bootstrap自抽样2 000次、置信区间为95%，结果如表7所示。除“数字健康知识水平→健康自我效能感→在线健康信息获取”、“数字健康知识水平→网络自我效能感→在线健康信息获取”外，其他中介路径Bootstrapping检验的置信区间均不包含0值，且P值均小于0.05，验证了其中介效应的存在。可见，健康自我效能感和网络自我效能感在数字健康信息搜索能力、数字健康信息评估能力和数字健康信息互动能力对在线健康信息获取的影响中均发挥了中介作用，但未能介导数字健康知识水平对在线健康信息获取的影响，与前文模型假设检验结果也相一致。
表7 中介效应检验结果

Table 7 The mediating effect test results

中介路径 路径系数 Lower Upper P 检验结果
DHK→HSE→OHIA 0.023 -0.021 0.077 0.265 不成立
DHK→ISE→OHIA -0.002 -0.044 0.040 0.918 不成立
DHS→HSE→OHIA 0.094 0.018 0.217 0.008 成立
DHS→ISE→OHIA 0.080 0.024 0.159 0.008 成立
DHE→HSE→OHIA 0.053 0.004 0.120 0.031 成立
DHE→ISE→OHIA 0.053 0.006 0.119 0.023 成立
DHI→HSE→OHIA 0.074 0.015 0.163 0.012 成立
DHI→ISE→OHIA 0.078 0.022 0.163 0.008 成立

4 结果与讨论/Result and discussion

4.1 数字健康素养对自我效能感的影响

（1）数字健康知识水平对大学生健康自我效能感和网络自我效能感不存在显著影响。该结果与张敏等[68]的研究结果大致吻合，该研究表明健康知识素养并不显著影响用户完成任务的自信度，而是边缘显著，但健康知识素养和健康检索素养存在显著交互作用，即健康知识素养较高时，健康检索素养也较高的用户，完成任务的自信度和满意度越高。这说明大学生需要同时具备数字健康知识和数字健康技能，数字健康信息搜索、互动技能帮助大学生获取相关信息，数字健康知识储备帮助大学生评估和筛选所需信息，从而有效提高健康信息获取效率。此外，该结果与数字健康知识水平的评价指标片面性也可能存在一定关系，数字健康知识包含健康相关知识、数字健康技术，以及数字技术可用于健康管理或健康促进等多方面内容[50]，本研究仅通过考察大学生对康复、脾脏、医用呼吸机（呼吸器）和孤独症等健康相关知识的熟悉度来测量数字健康知识水平，可能无法全面评估大学生真实的数字健康知识水平。
（2）数字健康信息搜索能力显著正向影响大学生健康自我效能感和网络自我效能感。该结论与以往研究[68]相吻合。究其原因，具备较强数字健康信息搜索能力的大学生，能够根据自身健康需求合理选择搜索工具，准确提炼关键词，并采取有效的搜索策略，从而快速获取所需健康信息，提升其对健康问题的认知和应对能力，并增强其对自身健康管理的掌控感。与此同时，在线健康信息搜索作为一种典型的网络使用行为，涉及搜索工具使用、关键词构建等操作，大学生的数字健康信息搜索能力越强，越能熟练使用不同搜索工具并选择合适的搜索策略，积累更丰富的成功使用经验，从而增强其对网络工具使用能力和在线问题解决能力的信心。正如自我效能理论认为，成功经验是促进个体自我效能感提升的最主要的途径[41]。因此，数字健康信息搜索能力对大学生健康自我效能感和网络自我效能感均存在显著影响。
（3）数字健康信息评估能力也显著正向影响大学生健康自我效能感和网络自我效能感。大学生作为利用互联网获取健康信息的主要群体之一，搜索能力帮助其精准定位所需信息，评估能力则在判断信息质量、抵御虚假信息等方面发挥着重要作用[56]，两者相辅相成，共同助力大学生成功完成健康信息获取任务，从而利用获取到的高质量健康信息制定科学的健康管理计划，降低错误决策风险，增强对自身健康管理能力的信心，可见数字健康信息评估能力也有助于大学生积累成功经验，促进自我效能感的提升。
（4）数字健康信息互动能力也显著正向影响大学生健康自我效能感和网络自我效能感，与S. Jiang等[59]的研究结果类似。数字健康信息互动能力强调通过社交媒体与其他用户进行交流协作的能力，这直接打破了传统单向信息搜索的局限，使用户从“被动搜索健康信息”走向“主动参与健康信息的生成”[6]。在社交媒体中，通过与其他具有相似经验用户的互动，获得他人成功案例的“替代性经验”能够增强大学生“他们能做到，我也能”的信念；鉴于人们更加信赖专业人员提供的健康信息[69]，大学生也可以通过在线问诊平台直接向医生咨询健康问题，从而降低健康决策的不确定性。另外，这种双向互动模式增强了大学生的社会临场感[70]，有利于提高大学生的信任感，且大学生在互动过程中获得的实际健康收益也进一步强化了其“网络工具能有效解决问题”的认知，提升其对网络使用的信心。

4.2 自我效能感对在线健康信息获取的影响

研究结果显示，健康自我效能感和网络自我效能感均显著正向影响大学生的在线健康信息获取，与以往研究结果[9,62]相一致。该研究结果与自我效能理论的核心观念[40-41]也相吻合，高健康自我效能感的大学生更坚信自己能通过行动改善健康，拥有明确的健康目标，而高网络自我效能感的大学生能够熟练操作搜索引擎、生成式AI和社交媒体等平台，因此他们在行动上会更加积极地利用网络获取所需健康信息[42]，并在面对复杂网络健康信息获取任务时，他们也能够更主动投入并积极解决遇到的问题，从而获取高质量的健康信息。同时，健康信念模型也指出，自我效能感会对个体健康行为改变产生影响[71]，高健康自我效能感的大学生有更强的健康意识，会更积极地获取健康信息，而大学生对互联网使用的掌控感可能会促使其将互联网作为健康信息的主要获取渠道[42]。可见，健康自我效能感和网络自我效能感对大学生在线健康信息获取均具有一定促进作用。

5 结论与启示/Conclusion and implication

5.1 研究结论

本研究借鉴KSAVE模型和TMeHL从知识和技能两个层面将数字健康素养划分为数字健康知识水平、数字健康信息搜索能力、数字健康信息评估能力和数字健康信息互动能力4个维度，并结合自我效能理论，基于S-O-R理论框架构建数字健康素养对大学生在线健康信息获取的影响模型，揭示了其具体作用机制。通过结构方程模型分析，本研究得出以下结论：技能层面数字健康素养（数字健康信息搜索能力、数字健康信息评估能力、数字健康信息互动能力）均显著正向影响大学生的健康自我效能感和网络自我效能感，健康自我效能感和网络自我效能感也显著正向影响在线健康信息获取，体现了数字健康技能可以通过增强大学生的主体效能这一心理机制来提升健康信息获取表现。与之相对，数字健康知识水平未能显著影响大学生的健康自我效能感和网络自我效能感，无法通过增强其主体效能促进对健康信息的获取，反映了在线健康信息获取影响因素的多维性以及数字健康知识水平评估指标的片面性。

5.2 理论贡献与实践启示

本研究基于S-O-R理论框架，并结合KSAVE模型、TMeHL和自我效能理论，探究了数字健康素养对大学生在线健康信息获取的具体作用机制，为现有研究提供了一定的理论贡献和实践启示。
在理论贡献方面，一方面，本研究借鉴KSAVE模型和TMeHL从知识和技能两个层面将数字健康素养划分为数字健康知识水平、数字健康信息搜索能力、数字健康信息评估能力和数字健康信息互动能力4个维度，并探究了数字健康素养不同维度对在线健康信息获取的单独影响，既丰富了数字健康素养的评估视角，也揭示了数字健康素养对在线健康信息获取的具体作用机制，丰富了数字健康素养的理论研究和实证研究。另一方面，本研究拓展了自我效能理论的适用场景，将其成功应用于在线健康信息获取情境，在获取健康信息的过程中，数字健康素养能够帮助大学生不断积累直接经验和替代性经验，其健康自我效能感和网络自我效能感逐渐提升，健康自我效能感和网络自我效能感又进一步通过影响认知过程和选择过程促进在线健康信息获取，揭示了自我效能感在数字健康素养对在线健康信息获取的影响中的重要中介效用。
在实践启示方面，一方面，高校应加强大学生的数字健康素养培育，既要帮助大学生掌握基本健康知识、常见健康信息来源、在线健康服务使用方法以及健康信息风险识别方法，还要训练大学生的数字健康信息搜索、评估和互动能力，如通过情景式教学的方式引导大学生选择合适的关键词、比较不同信息来源、识别虚假健康信息，并在网络健康交流中保持理性表达，正确理解专业建议，避免盲目相信网友经验或非专业建议。另一方面，在线信息平台应优化健康信息服务，降低大学生获取健康信息的负担，如加强健康信息质量检测，减少虚假健康信息的泛滥，提高健康信息内容的权威性和可理解性，同时进一步优化健康信息搜索和互动功能，通过关键词智能推荐、权威结果优先展示、健康主题分类导航、设置在线问答等方式，降低大学生在线搜索和互动的难度，提高健康信息获取效率。

5.3 研究局限与展望

本研究也存在一些局限性，首先，数字健康素养的评估量表是依据其划分的4个维度分开选取的，目前并没有学者基于KSAVE模型开发一个完整的评估量表，且数字健康知识水平的评估可能存在片面化问题，同时随着生成式AI的发展与普及，数字健康素养的概念和量表也应该与时俱进，因此本研究对数字健康素养的评估可能存在一些偏差，未来需要进一步完善数字健康素养的评估量表。其次，本研究只引入了两个自我效能感变量探究数字健康素养对在线健康信息获取的作用机理，未来研究可以将更多相关变量纳入考量，进一步探究社会支持等其他变量的作用路径。再有，结构方程模型分析得出的是单个自变量对因变量的净效应，不能分析多个自变量组合对因变量的共同影响，但在线健康信息获取受到数字健康素养多个维度自变量的协同影响，因此未来研究可采用fsQCA方法探究数字健康知识水平、搜索能力、评估能力、互动能力和自我效能感对在线健康信息获取的协同影响。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
国家卫生健康委员会. 2024中国卫生健康统计年鉴[M]. 北京: 中国协和医科大学出版社, 2025: 236-237.

National Health Commission of the People's Republic of China. 2024 China Health Statistics Yearbook[M]. Beijing: Peking Union Medical College Press, 2025: 236-237.

[2]
王锰. 美国网络健康信息用户获取行为的影响因素研究[J]. 信息资源管理学报, 2013, 3(3): 47-58.

Wang Meng. Research on critical factors of the behavior of obtaining online health information in America[J]. Journal of information resources management, 2013, 3(3): 47-58.

[3]
Bak C K, Krammer J O, Dadaczynski K, et al. Digital health literacy and information-seeking behavior among university college students during the COVID-19 Pandemic: a cross-sectional study from Denmark[J]. International journal of environmental research and public health, 2022, 19(6): 3676.

[4]
黄素芹, 张乐君, 田侃, 等. 南京市某高校大学生健康信息获取与应用现状的调查分析[J]. 中国卫生统计, 2020, 37(3): 471-474, 480.

Huang Suqin, Zhang Lejun, Tian Kan, et al. A survey and analysis of college students' health information acquisition and use at a university in Nanjing[J]. Chinese journal of health statistics, 2020, 37(3): 471-474, 480.

[5]
Norman C D, Skinner H A. eHealth Literacy: essential skills for consumer health in a networked world[J]. Journal of medical internet research, 2006, 8(2): e9.

[6]
Paige S R, Stellefson M, Krieger J L, et al. Proposing a transactional model of eHealth literacy: concept analysis[J]. Journal of medical internet research, 2018, 20(10): e10175.

[7]
Wong D K K, Cheung M K. Online health information seeking and eHealth literacy among patients attending a primary care clinic in Hong Kong: a cross-sectional survey[J]. Journal of medical internet research, 2019, 21(3): e10831.

[8]
Neter E, Brainin E. eHealth Literacy: extending the digital divide to the realm of health information[J]. Journal of medical internet research, 2012, 14(1): e19.

[9]
胡宇帆, 何磊, 邓悦, 等. 脑卒中患者健康信息获取行为影响因素及路径分析[J]. 护理管理杂志, 2024, 24(3): 201-205.

Hu Yufan, He Lei, Deng Yue, et al. Analysis of factors and paths influencing the health information-seeking behavior of stroke patients[J]. Journal of nursing administration, 2024, 24(3): 201-205.

[10]
Norman C. eHealth Literacy 2. 0: problems and opportunities with an evolving concept[J]. Journal of medical internet research, 2011, 13(4): e125.

[11]
Wilson M, Scalise K, Gochyyev P. Rethinking ICT literacy: from computer skills to social network settings[J]. Thinking skills and creativity, 2015, 18: 65-80.

[12]
Wang Bingchen, Rau P L P, Yuan Tianyi. Measuring user competence in using artificial intelligence: validity and reliability of artificial intelligence literacy scale[J]. Behaviour & information technology, 2023, 42(9): 1324-1337.

[13]
Norman C D, Skinner H A. eHEALS: the eHealth literacy scale[J]. Journal of medical internet research, 2006, 8(4): e27.

[14]
李美茜, 李春玉, 周丽, 等. 国内外数字健康素养评估工具的研究进展[J]. 全科护理, 2022, 20(7): 906-910.

Li Meiqian, Li Chunyun, Zhou Li, et al. Research progress on digital health literacy assessment tools at home and abroad[J]. Chinese general practice nursing, 2022, 20(7): 906-910.

[15]
Paige S R, Stellefson M, Krieger J L, et al. Transactional eHealth literacy: developing and testing a multi-dimensional instrument[J]. Journal of health communication, 2019, 24(10): 737-748.

[16]
Estrela M, Semedo G, Roque F, et al. Sociodemographic determinants of digital health literacy: a systematic review and meta-analysis[J]. International journal of medical informatics, 2023, 177: 105124.

[17]
Sun Chao, Meijer E, Chavannes N H, et al. eHealth Literacy in the general population: a cross-sectional study in China[J]. BMC public health, 2025, 25(1): 211.

[18]
Barbati C, Maranesi E, Giammarchi C, et al. Effectiveness of eHealth literacy interventions: a systematic review and meta-analysis of experimental studies[J]. BMC public health, 2025, 25(1): 288.

[19]
Mukhtar T, Babur M N, Abbas R, et al. Digital health literacy: a systematic review of interventions and their influence on healthcare access and sustainable development Goal-3 (SDG-3)[J]. Pakistan journal of medical sciences, 2025, 41(3): 910-918.

[20]
Mitsutake S, Oka K, Okan O, et al. eHealth literacy and web-based health information-seeking behaviors on COVID-19 in Japan: internet-based mixed methods study[J]. Journal of medical internet research, 2024, 26: e57842.

[21]
Wei Ye, Zhou Yinting. The mediating impact of exercise frequency and duration on the relationship between digital health literacy and health among older adults: a cross-sectional study[J]. Medicine, 2024, 103(42): e39877.

[22]
Cho O H, Kim H, Cho Y. Attitudes and digital health literacy mediate the relationship of digital information accessibility with intention for digital healthcare service use in patients with multiple myeloma: a cross-sectional study[J]. European journal of oncology nursing, 2025, 74: 102786.

[23]
Li Jin. The relationship between peer support and sleep quality among Chinese college students: the mediating role of physical exercise atmosphere and the moderating effect of eHealth literacy[J]. Frontiers in psychology, 2024, 15: 1422026.

[24]
Li Shaojie, Cui Guanghui, Zhang Xiaochen, et al. Associations between digital skill, eHealth literacy, and frailty among older adults: evidence from China[J]. Journal of the American Medical Directors Association, 2024, 25(11): 105275.

[25]
Hwang M, Kim G, Lee S, et al. Loneliness, social isolation, and digital health literacy among older women living alone in South Korea during the COVID-19 pandemic[J]. Psychiatry investigation, 2025, 22(1): 75-83.

[26]
Dağ E, Demir Y, Kayar Z, et al. Relationship between digital health literacy, distrust in the health system and health anxiety in health sciences students[J]. BMC medical education, 2025, 25(1): 354.

[27]
Nutakor J A, Zhou L, Larnyo E, et al. Impact of health information seeking behavior and digital health literacy on self-perceived health and depression symptoms among older adults in the United States[J]. Scientific reports, 2024, 14(1): 31080.

[28]
沈艳丽, 范抒磊, 叶卓俊, 等. 上海市居民健康信息获取意愿的影响因素研究[J]. 中国健康教育, 2023, 39(7): 663-666.

Shen Yanli, Fan Shulei, Ye Zhuojun, et al. The influencing factors of intention to acquire health information among residents in Shanghai City[J]. Chinese journal of health education, 2023, 39(7): 663-666.

[29]
陈忆金, 庄家正, 谈大军. 不同情境下老年人对健康信息源的选择差异研究[J]. 图书情报工作, 2020, 64(21): 90-98.

Chen Yijin, Zhuang Jiazheng, Tan Dajun. Research on the differences of the elders' choice of health information sources in health situations[J]. Library and information service, 2020, 64(21): 90-98.

[30]
Altizer K P, Grzywacz J G, Quandt S A, et al. A qualitative analysis of how elders seek and disseminate health information[J]. Gerontology & geriatrics education, 2014, 35(4): 337-353.

[31]
Choi W. Older adults' health information behavior in everyday life settings[J]. Library & Information Science Research, 2019, 41(4): 100983.

[32]
刘立立, 贺冰洁, 陈暐烨, 等. 罕见骨骼疾病患者及家属健康信息获取途径与需求调查[J]. 中华疾病控制杂志, 2020, 24(10): 1219-1223.

Liu Lili, He Bingjie, Chen Weiye, et al. Survey of access and demands of health information in patients with rare bone diseases and their families, 2020, 24(10): 1219-1223.

[33]
Wang Wei, Zhang Hongyan. Behavior patterns and influencing factors: health information acquisition behavior of Chinese senior adults on WeChat[J]. Heliyon, 2023, 9(6): e16431.

[34]
Jia Juncheng, Bao Zemenghong, Wang Haochen, et al. Factors influencing health information acquisition behavior from a social capital theory perspective: a study of Zhihu users[J]. Frontiers in public health, 2025, 13: 1501879.

[35]
王秀红, 沈世玲. 农民工健康信息获取影响因素研究[J]. 图书情报工作, 2020, 64(8): 103-110.

Wang Xiuhong, Shen Shiling. Study on influencing factors of peasant workers' health information acquisition[J]. Library and information service, 2020, 64(8): 103-110.

[36]
Binkley M, Erstad O, Herman J, et al. Defining twenty-first century skills[M]//Griffin P, McGaw B, Care E, eds. Assessment and teaching of 21st century skills. Dordrecht: Springer, 2012: 17-66.

[37]
李楠, 刘申奥, 吉久明. 连续统视域下高校学生智能素养评价体系构建[J]. 情报理论与实践, 2025, 48 (1): 150-159.

Li Nan, Liu Shenao, Ji Jiuming. Construction of AI literacy evaluation system for college students from the continuum perspective[J]. Information studies: theory & application, 2025, 48 (1): 150-159.

[38]
Bandura A. Self-efficacy: toward a unifying theory of behavioral change.[J]. Psychological review, 1977, 84(2): 191-215.

[39]
Bandura A. Self-efficacy mechanism in human agency[J]. American psychologist, 1982, 37(2): 122-147.

[40]
袁勤俭, 朱哲慧, 张一涵, 等. 信息系统实证研究的20种重要理论与应用[M]. 北京: 机械工业出版社, 2020: 263-265.

Yuan Qinjian, Zhu Zhehui, Zhang Yihan, et al. Twenty major theories in empirical information systems research and their applications[M]. Beijing: China Machine Press,2020: 263-2654.

[41]
班杜拉. 自我效能: 控制的实施[M]. 缪小春, 李凌, 井世浩, 等译. 上海: 华东师范大学出版社, 2003: 113-230.

Bandura A. Self-Efficacy: the exercise of control[M]. Miu Xiaochun, Li Ling, Jing Shihao, et al, trans. Shanghai: Central China Normal University Press, 2003: 113-230.

[42]
曾润喜, 李游. 自我效能感与网络健康信息搜寻关系的元分析[J]. 心理科学进展, 2023, 31(4): 535-551.

Zeng Runxi, Li You. The relationship between self-efficacy and online health information seeking: a meta-analysis[J]. Advances in psychological science, 2023, 31(4): 535-551.

[43]
Jacoby J. Stimulus-organism-response reconsidered: an evolutionary step in modeling (consumer) behavior[J]. Journal of consumer psychology, 2002, 12(1): 51-57.

[44]
周涛, 刘佳怡, 邓胜利. 基于SOR模型的在线知识社区用户潜水行为研究[J]. 情报杂志, 2022, 41 (7): 160-165, 83.

Zhou Tao, Liu Jiayi, Deng Shengli. A study on lurking behavior of online knowledge community users based on SOR model[J]. Journal of intelligence, 2022, 41 (7): 160-165, 83.

[45]
吴丹, 孙国烨. 生成式智能搜索结果可信度研究[J]. 中国图书馆学报, 2023, 49 (6): 51-67.

Wu Dan, Sun Guoye. The credibility of the results of generative intelligent search[J]. Journal of library science in China, 2023, 49 (6): 51-67.

[46]
孟玺, 李庆霜, 霍帆帆. 社交媒体用户参与算法风险治理的影响因素研究[J]. 现代情报, 2025, 45 (5): 49-65.

Meng Xi, Li Qingshuang, Huo Fanfan. Research on influencing factors of social media users' participation in algorithmic risk governance[J]. Journal of modern information, 2025, 45 (5): 49-65.

[47]
Efthymiou A, Middleton N, Charalambous A, et al. The association of health literacy and electronic health literacy with self-efficacy, coping, and caregiving perceptions among carers of people with dementia: research protocol for a descriptive correlational study[J]. JMIR research protocols, 2017, 6(11): e221.

[48]
Bodie G, Dutta M J. Understanding health literacy for strategic health marketing: eHealth literacy, health disparities, and the digital divide[J]. Health marketing quarterly, 2008, 255(1/2): 175-203.

[49]
Eastin M S, Larose R. Internet self-efficacy and the psychology of the digital divide[J]. Journal of computer-mediated communication, 2000, 6(1): JCMC611.

[50]
王欣欣, 朱珠, 栾伟. 老年人数字健康素养评价指标体系构建研究[J]. 现代预防医学, 2022,49(20): 3747-3752.

Wang Xinxin, Zhu Zhu, Luan Wei. Construction of evaluation indicator system of digital health literacy of older adults[J]. Modern preventive medicine, 2022, 49(20): 3747-3752.

[51]
Diviani N, Van Den Putte B, Giani S, et al. Low health literacy and evaluation of online health information: a systematic review of the literature[J]. Journal of medical internet research, 2015, 17(5): e112.

[52]
韩正彪, 戚景琳, 王云辉. 用户网络健康信息搜索对健康风险认知偏差的影响——基于CGSS数据的实证研究[J]. 图书与情报, 2023(5): 62-71.

Han Zhengbiao, Qi Jinglin, Wang Yunhui. The impact of user online health information search on health risk cognitive bias: an empirical study based on CGSS Data[J]. Library and information, 2023(5): 62-71.

[53]
姜雪, 李雨佳, 张元哲, 等. 先验知识差异对协同信息搜索和学习效果的影响研究[J]. 图书情报工作, 2022, 66(8): 32-41.

Jiang Xue, Li Yujia, Zhang Yuanzhe, et al. Research on the effect of prior knowledge differences on collaborative information search and learning[J]. Library and information service, 2022, 66(8): 32-41.

[54]
袁红, 李秋. 搜索任务和搜索能力对用户探索式搜索行为的影响研究[J]. 图书情报工作, 2015, 59(15): 94-105.

Yuan Hong, Li Qiu. Study on Web browsing behaviors and cognitive influential factors based on three-dimensional model[J]. Library and information service, 2015, 59(15): 94-105.

[55]
赵一鸣, 潘沛, 黄瑶, 等. 组态视角下消费者信息搜索策略对搜索效果的影响研究[J]. 图书情报工作, 2023, 67(10): 93-106.

Zhao Yiming, Pan Pei, Huang Yao, et al. Research on the influence of consumer information search strategies on search effect from the perspective of configuration[J]. Library and information service, 2023, 67(10): 93-106.

[56]
何艺璇, 闫文捷. 谁在社交媒体扩散虚假健康信息？——健康素养与分析性思维的作用[J]. 新闻记者, 2021(7): 72-85.

He Yixuan, Yan Wenjie. Who spreads health misinformation on social media? The roles of health literacy and analytical thinking[J]. Shanghai journalism review, 2021(7): 72-85.

[57]
陈旖旎, 周晓英, 岳丽欣, 等. 健康焦虑人群信息行为的类型、特征及影响因素[J]. 图书情报知识, 2024, 41 (5): 89-102.

Chen Yini, Zhou Xiaoying, Yue Lixin, et al. The types, characteristics and influencing factors of information behavior in people with health anxiety[J]. Documentation, information & knowledge, 2024, 41 (5): 89-102.

[58]
Zhao Yuehua, Zhang Jin. Consumer health information seeking in social media: a literature review[J]. Health information & libraries journal, 2017, 34(4): 268-283.

[59]
Jiang Shaohai, Liu Jiaying. Examining the relationship between internet health information seeking and patient-centered communication in China: taking into account self-efficacy in medical decision-making[J]. Chinese journal of communication, 2020, 13(4): 407-424.

[60]
袁程, 魏晓敏, 武晓宇, 等. 电子健康素养对老年慢性病患者就医行为的影响: 社会支持和自我效能的中介作用[J]. 现代预防医学, 2023, 50 (24): 4475-4479, 4520.

Yuan Cheng, Wei Xiaomei, Wu Xiaoyu, et al. Effects of eHealth literacy on health seeking behavior in elderly patients with chronic diseases[J]. Modern preventive medicine, 2023, 50 (24): 4475-4479, 4520.

[61]
Wu Ying, Wen Jing, Wang Xiaohui, et al. Associations between e-health Literacy and chronic disease self-management in older Chinese patients with chronic non-communicable diseases: a mediation analysis[J]. BMC public health, 2022, 22(1): 2226.

[62]
Traci H. The Internet and tobacco cessation: the roles of Internet self-efficacy and search task on the information-seeking process[J]. Journal of computer-mediated communication, 2006, 11(2): 536-556.

[63]
Karnoe A, Furstrand D, Christensen K B, et al. Assessing competencies needed to engage with digital health services: development of the eHealth literacy assessment toolkit[J]. Journal of medical internet research, 2018, 20(5): e178.

[64]
Lee S Y, Hwang H, Hawkins R, et al. Interplay of negative emotion and health self-efficacy on the use of health information and its outcomes[J]. Communication research, 2008, 35(3): 358-381.

[65]
Chen Ye, Liu Yiqun, Zhou Ke, et al. Does vertical bring more satisfaction? Predicting search satisfaction in a heterogeneous environment[C]//Proceedings of the 24th ACM international on conference on information and knowledge management. New York: ACM, 2015: 1581-1590.

[66]
Belkin N J, Cole M, Liu J J. A model for evaluation of interactive information retrieval[C]//Proceedings of the SIGIR 2009 workshop on the future of IR evaluation, Boston, 2009: 7-8.

[67]
Joo S, Lee J Y. Assessing effectiveness of query reformulations: analysis of user-generated information retrieval diaries[J]. Proceedings of the American Society for Information Science and Technology, 2011, 48(1): 1-2.

[68]
张敏, 聂瑞, 罗梅芬. 健康素养对用户健康信息在线搜索行为的影响分析[J]. 图书情报工作, 2016, 60(7): 103-109, 138.

Zhang Min, Nie Rui, Luo Meifen. Analysis on the effect of health literacy on users' online health information seeking behavior[J]. Library and information service, 2016, 60(7): 103-109, 138.

[69]
Andreassen S, Randers I, Näslund E, et al. Family members' experiences, information needs and information seeking in relation to living with a patient with oesophageal cancer[J]. European journal of cancer care, 2005, 14(5): 426-434.

[70]
Kim J, Kwon Y, Cho D. Investigating factors that influence social presence and learning outcomes in distance higher education[J]. Computers & education, 2011, 57(2): 1512-1520.

[71]
Dodel M, Mesch G. Cyber-victimization preventive behavior: a health belief model approach[J]. Computers in human behavior, 2017, 68(11): 359-367.

Options
文章导航

/

〈 〉