搜索引擎算法透明度如何影响健康焦虑：在线健康信息搜索中的信任中介效应

研究背景与问题

• 问题与挑战: 搜索引擎特别是人工智能驱动的搜索算法，通过“特选摘要”（Featured Snippets，FS）直接回答医疗健康问题虽然提升了效率，但可能加剧用户的健康焦虑，尤其是当结果包含令人担忧的信息时。信任搜索结果和过度依赖FS可能会导致对健康信息的误解或不适当的焦虑。
• 重要性: 健康焦虑已经被广泛认定为在线健康信息搜索（OHIS）的一个主要负面效应。搜索行为可能导致“网络疑病症”（Cyberchondria），影响个人的心理功能和医疗利用率。理解并缓解这一效应对于改善公众健康和搜索体验至关重要。
• 研究动机与相关工作:
  1. 文献指出，信任是OHIS中的一个关键因素，但过度信任或错误信任会使健康信息带来的焦虑感加剧。
  2. 搜索引擎的FS功能常被视为可信信息的来源，但算法排序与专业医疗诊断间的本质性差异常被忽略。
  3. 作者希望探讨算法透明性（AT）是否可作为一种策略来解决用户过度信任和健康焦虑。

解决方案

• 提出方法: 作者提出利用“算法透明性解释”（AT Explanations）作为一种干预措施，向用户展示FS的选择和排序过程，以降低用户对FS和搜索引擎的过度信任，以及由此产生的健康焦虑。
• 创新之处:
  1. 将算法透明性的理论应用于搜索引擎与健康焦虑的关系研究。
  2. 通过实验验证AT对健康焦虑的缓解作用，并探索其通过信任的中介路径影响用户心理状态的机制。
  3. 提出一种新的方法来校准用户对搜索引擎的信任，从而减轻因信息误解导致的焦虑。
• 实施步骤与关键技术:
  1. 实验设计：在线实验中比较有无AT解释条件下的用户行为与心理状态。
  2. 实验流程：通过创建模拟的搜索场景，让参与者查询"嗜睡和睡眠质量差的原因"，并观察他们对FS中的信息（包含令人担忧的内容如"发作性睡病"）的反应。
  3. 数据采集与分析：记录AT解释对搜索引擎信任、信息信任、健康焦虑的直接和间接影响，结合序列中介和调节效应分析来验证假设。

研究成果

• 具体成果:
  1. AT解释显著降低了用户对搜索引擎的信任（M=3.57 vs M=3.80）和信息信任（M=3.55 vs M=3.74）。
  2. AT解释通过逐步降低对搜索引擎和信息的信任，减轻了健康焦虑的间接影响，验证了信任的中介作用。
  3. 在有一定程度网络疑病症的用户中，AT解释对健康信息信任的负面效应有所减弱。
• 优势:
  1. AT促进用户对搜索算法的批判性思考，帮助他们区分算法生成的信息和专业医疗诊断。
  2. 提供了减轻健康焦虑的新方法，为搜索引擎设计中的用户体验提升提供理论支持。
• 实验或评估结果:
  • AT解释显著提高了参与者对算法透明性的认知评分（M=4.00 vs M=3.62），表明该实验设计成功。
  • 序列中介分析显示，AT解释通过信任减少显著降低健康焦虑。
  • 虽然其对网络疑病症严重者的影响有限，但对一般用户的积极效果仍然显著。
• 局限性与未来方向:
  1. 局限性:
     • 实验环境人为化，不完全反映真实世界中OHIS的复杂性。
     • 针对特定信息（发作性睡病）的结果可能无法推广至其他健康信息场景。
     • 未直接测量参与者的机器启发式认知（如"算法是否适合提供健康决策"）对结果的影响。
  2. 未来方向:
     • 在真实环境中验证AT解释对健康焦虑的缓解作用。
     • 探讨不同类型和风格的透明性解释对信任和健康焦虑的影响。
     • 开发相关工具测量用户的机器启发式认知，并考察其在信任和情绪反应中的作用。

这项研究揭示了算法透明性在减轻健康信息搜索中的焦虑压力方面的潜力，同时也强调需要在真实世界和广泛场景中进一步验证其应用。