螺旋式與直線式：在線健康醫療平臺用戶與醫生交互模式研究

李月琳，張建偉，張 婳

（1.南開大學商學院信息資源管理系，天津300071；2.南開大學信息行為科學研究中心，天津300071）

1 引言

據《2018中國衛生健康統計年鑒》顯示[1]，中國衛生健康事業的城鄉發展不均衡的問題較為突出，醫療基礎設施差異較大，2017年千人醫師數量比城市為3.97人、農村為1.68人。在“互聯網+健康醫療”[2-3]政策的影響下，在線健康醫療平臺成為緩解上述問題的途徑之一。利用在線健康醫療平臺進行問診的方式超越了空間和時間的限制，有效地緩解了“看病難、看病貴”這一長期困擾我國居民的問題[4]，已成為網絡用戶了解自身健康狀況和獲取健康信息的重要途徑。

近年來，以“春雨醫生”“好大夫在線”“丁香醫生”等為代表的在線健康醫療平臺實現了醫生的實名認證，直接向網絡用戶提供各種線上醫療服務，越來越被用戶接納，并且用戶的活躍度逐年增長[5-6]。然而，當前的相關研究主要關注用戶采納行為[7-8]、平臺用戶隱私問題[9-10]、在線健康信息質量[11-12]等，缺乏關注用戶與醫生在網絡健康信息平臺環境下的交互行為研究，尤其缺乏對二者的會話效率的探討，無法有針對性地提出有效措施來改善兩者之間的交互效率。此外，當前在線健康醫療領域的研究方法多采用機器學習技術[13]，但該技術對用戶與醫生交互會話的語義深層挖掘及特征識別存在不足。因此，本研究采用開放編碼和會話分析（conversation analysis）相結合的方法，通過分析用戶與醫生的會話文本，識別用戶與醫生交互的模式和特征，從而揭示影響交互會話效率的關鍵因素。具體研究問題包括：

RQ1：用戶與醫生交互會話有哪些模式？

RQ2：用戶與醫生交互的不同模式具有哪些特征？

RQ3：影響用戶與醫生交互會話效率的關鍵因素是什么？

本研究的目的在于探討網絡環境下用戶與醫生之間的交互會話模式與特征，研究結果可為智能健康醫療平臺交互設計的優化提供理論和實證支持，也可幫助平臺中的用戶與醫生提高交互效率，改善交互體驗。

2 文獻綜述

圖書館情報學（library and information science，LIS）領域關注信息服務需求方及提供方之間的溝通和交互由來已久。Taylor[14]探討了用戶和圖書館員之間的問題-協商（question-negotiation）機制，識別了用戶在互動過程中信息需求的四個層次以及不同層次的特征和形成過程，其研究為教育、商業、計算機科學等不同背景下人際交互研究提供了理論基礎[15]。當前，針對人際交互與健康醫療環境下用戶與醫生交互的研究，主要集中在信息系統環境下的人際溝通（computer-mediated communication）、用戶與醫生線下健康信息溝通等方面。

2.1 信息系統環境下的人際溝通

信息系統環境下的人際溝通，即人際交互，是指以各類信息系統或平臺（以下簡稱“系統”）作為媒介而開展的人與人之間的交流、互動或溝通活動。信息系統環境下的調節作用可提升人際交互的趣味性，且至少會對一方的知識或行為產生影響[16-17]，為提升用戶健康素養提供了有效的學習途徑[18]。相關研究表明，這種調節作用對人際交互具有兩面性：一方面，網絡技術帶來交互的多樣性對用戶具有強大的吸引力[16]，有助于提高協同效率[19]；另一方面，缺乏眼神交流及潛在的交流，使交互缺乏情感[18,20]，例如，Hacker等[21]發現大學生對在線課堂討論替代面對面討論表現出消極態度；而Ostermaier-Grabow等[22]發現科研人員在Research‐Gate平臺下的交互缺乏情感用語、禮貌用語和告別語，存在不安全感。在醫生與用戶的在線交互情境中也存在類似的問題：一方面，基于計算機調節的人際互動打破了醫生和用戶（線下情境下的“患者”）傳統意義上的關系[23]，電子健康記錄的產生改變了醫生看待用戶，及用戶參與診療的方式，增進了彼此的關系[24]。如Lee等[25]發現用戶對使用電子健康記錄跟蹤自己的健康信息及通過網絡與醫生交流具有濃厚的興趣，這類行為有助于提升二者的關系；另一方面，這種調節作用也帶來了諸如法律、隱私、信任等方面的問題，而這些問題妨礙了醫生和用戶基于系統平臺的溝通，降低了這類溝通本應該具備的潛力[26]。此外，學術界對計算機調節作用下的用戶與醫生交互研究也存在相互矛盾的研究結果：一方面，此種調節作用能增強用戶自信心和自我效能感，提升用戶的積極性，促進了用戶、醫務工作者之間的知識交流[27-29]；另一方面，增加二者交互的復雜程度，不利于維持二者之間的信任關系[30-32]。網絡技術支持下的在線健康平臺環境中，用戶如何與醫生實現高效互動依然缺乏深入研究。為提升網絡健康信息系統的使用效率和用戶體驗，吸引更多的用戶和醫生利用網絡平臺開展積極的交流和互動，本研究擬對信息系統環境下用戶與醫生之間的溝通進行探究。

2.2 用戶與醫生健康信息溝通研究

良好的溝通對用戶是一種有效治療[33]，在用戶與醫生健康信息溝通研究領域，如何提升溝通技巧和效率是學者們關注的重點。全科醫生、臨床醫生、急診醫生、護理人員、藥劑師等與用戶溝通的研究均尋求提升醫生的溝通技巧，例如，Claramita等[34]和Ortiz等[35]的研究針對提升醫生溝通技巧開發了指導課程，在取得良好效果的同時建議納入醫學院的教育課程中；而Van den Brink‐Muinen等[36]則認為，醫學院還應增加跨文化視角來培訓醫生溝通技巧；部分學者也提出了具體的溝通模型和策略，用于提升醫生的溝通技巧，例如，“問候-邀請-討論（greet-invite-discuss）”模型在指導醫生和用戶溝通中具有顯著的提升作用[35]；“人本主義溝通”策略可以克服語言障礙、方言、用戶心理健康及疾病嚴重程度等對溝通效率的影響[37]。Jucks等[38]發現用戶表達方式、用詞會影響醫生回答，而Belasen等[39]的研究提倡醫院管理者應保證用戶與醫生之間溝通的開放、清晰，建立信任關系，促進二者有效溝通。然而，上述研究多從醫生視角探討二者溝通效率，針對提升用戶溝通能力的研究仍然缺乏。

由補充和代替醫療（complementary and alterna‐tive medicine，CAM；俗稱“民間療法”）和特定疾病引發的用戶與醫生溝通障礙越來越受到學者們的關注。研究表明，在醫生與用戶的溝通過程中，獲取用戶是否正在接受CAM信息會影響醫生的診斷[40]，醫生對于這一信息的獲取是敏感的，用戶不愿意向醫生提起接受CAM的原因是害怕惹怒醫生[41]，而醫生的態度往往是不愿意討論或記錄用戶使 用CAM的 情 況[42]。Ar?kan等[43]研 究 發 現，除 非醫生詢問，否則多數用戶不會主動向醫生匯報CAM信息，但用戶希望能與醫生交流CAM與自己疾病的關系。研究表明，CAM的使用率在逐年提升[44]，但用戶與醫生對待CAM的方式極大地影響了溝通效率。

此外，學者們也關注如何解決患有特定疾病的用戶與醫生溝通的障礙，如精神疾病[45]、癌癥[46]等。針對特定疾病，學者們建議醫生應采用平等而非傲慢的態度、將信息傳遞與情感支持相結合、體現人文關懷等方式與用戶溝通[47-49]。然而，上述用戶與醫生的溝通障礙不僅表明用戶健康素養有待提升，也表明醫生需要以更加人性化的方式進行溝通。

上述研究，一方面，體現了用戶與醫生交互的復雜性，為網絡健康信息系統環境下用戶與醫生交互的研究奠定了基礎。另一方面，現有的相關研究多基于實體醫院環境探究如何提升二者溝通效率，對網絡健康醫療系統環境中兩者如何提升交互效率的借鑒意義有限。因此，開展網絡環境下醫生和用戶的溝通和交流研究十分必要。

3 研究方法

3.1 數據來源

本研究選擇春雨醫生網頁版“經典問答”模塊，并通過爬蟲技術采集用戶與醫生的交互會話。春雨醫生是用戶常用的醫療健康網站，擁有超過50萬公立醫院執業醫師，服務用戶超過2億人次，并積累數億條健康數據信息[6]，其中慢性病和多發性疾病是用戶網絡咨詢的常見疾病類型[50]。本研究選擇心血管疾病和兒童感冒分別作為常見慢性病和多發性疾病的典型案例。本研究中的“一組會話”是指用戶與醫生的一次完整會話過程。受春雨醫生平臺數據開放權限的限制，本研究共采集到心血管內科數據606組、兒科感冒數據411組，共計1017組。其中，個別會話包含用戶上傳的檢查報告類圖片，因受平臺數據開放權限的限制而未采集到圖片信息，故本研究僅對會話文本進行分析。

3.2 交互指標的選取

為識別用戶和醫生會話的序列結構、話輪轉換、言語行為等特征[51-52]，本研究選取的交互指標及說明如表1所示。

3.3 數據分析

本研究利用Nvivo11對會話進行開放編碼，結合會話分析，對用戶和醫生之間的會話結構進行分析。

3.3.1 交互會話文本特征

為分析用戶與醫生的會話特點，本研究逐一統計了1017組會話中用戶初始問題包含癥狀數量（初始問題-癥狀；初始問題-無癥狀）、醫生追問數量（D-追問）、用戶追問數量（U-追問）、醫生回答數量（D-回答）、用戶回答數量（U-回答）、用戶與醫生會話的輪次（U-D會話輪次；一方提問，另一方回答完成記為一輪會話；若另一方針對同一提問多次回答，也視為一輪會話），具體如表2所示。用戶初始問題是指用戶開啟會話時輸入的信息。本研究采用會話結束時用戶的用詞或情感表達來判斷用戶是否對交互過程滿意，如在會話結束時用戶對醫生表示感謝則視為用戶感到滿意。

表1 交互指標及說明

表2 交互會話文本數據統計分析

3.3.2 會話結構分析

基于語言學分析視角，本研究使用會話分析方法對用戶與醫生的會話進行了結構分析，主要分析用戶與醫生會話的話輪轉換（turn-taking）、相鄰語對（adjacency pair）關系和會話結構（規則、中斷、話題及其轉移）。

本研究將一組會話從結構上分為：用戶開啟會話、會話展開階段、診斷建議階段、會話結束。分析過程包括：分析用戶開啟會話的語言表達，識別用戶與醫生的語序連接關系，對方語句的響應和表達特征，話題轉移的主導者及在會話中的位置，造成會話停頓或中斷的原因、主導者及其在會話中的位置，會話結束的語言特征，據此分析兩者在交互過程中的主導及影響關系、行為特征等。

3.3.3 開放編碼

本研究開放編碼分析流程如下：首先，隨機抽取15組會話，由兩位編碼人員背靠背完成編碼，之后討論并制定編碼框架。其次，基于編碼框架再對20組數據（含之前的15組）進行編碼，討論、確定最終編碼框架，部分編碼框架如表3所示。最后，基于編碼框架，兩位編碼人員背靠背進行編碼。編碼分兩個階段完成：第一階段，依據爬取數據的順序分析前124組會話（心血管內科84組、兒科感冒40組），對編碼結果進行梳理和總結，研究發現已無新的概念產生。研究人員歸納了醫生與用戶交互的特征，并形成了初步的理論模型。第二階段，為驗證這些特征和初步模型的可靠性和有效性，研究人員按照爬取數據的序號繼續分析隨后的102組會話（心血管內科50組、兒科感冒52組），編碼的過程中，未發現新的概念、特征或主題，達到理論飽和，研究人員結束編碼。本研究通過編碼共分析了226組會話，其中心血管內科（CM）134組、兒科感冒（P）92組。

4 研究結果

由表2可知，兩科室用戶的滿意率在95%～98%，表明用戶對通過在線健康醫療平臺獲取健康信息的滿意程度較高；在用戶初始問題描述中無法識別咨詢問題的會話方面，心血管內科占比（20.13%）遠高于兒科感冒的比例（8.27%），表明用戶對心血管疾病癥狀的描述比兒科感冒更為困難；就交互會話輪次而言，心血管內科的平均值為12.13，高于兒科感冒的平均值9.19，由此可見，雙方就心血管疾病的溝通比兒科感冒的溝通付出更多的交互努力。另外，在用戶與醫生交互會話過程中，兩科室醫生在問題追問和回答問題數量方面均多于用戶，表明醫生在會話過程處于主導地位。

4.1 用戶與醫生交互會話模式分析

通過會話分析，本研究發現了用戶與醫生交互的兩種模式：螺旋式交互和直線式交互。螺旋式交互的特征表現為：不管用戶最終是否滿意醫生的回答，會話過程中用戶和醫生彼此信息傳遞不完整，需多輪次追問才能獲取對方準確信息；直線式交互的特征則體現為：用戶對醫生的回答滿意，用戶和醫生彼此信息傳遞準確、順暢、無歧義，無與咨詢目的無關的信息，會話輪次較少。顯而易見，螺旋式交互溝通效率要低于直線式交互的溝通效率。下文將具體分析這兩種模式的特征，并構建其相應的理論模型。

4.1.1 螺旋式交互

螺旋式交互屬于低效率會話模式，具有用戶與醫生相互追問頻繁且交織在一起，會話輪次較多的特征。研究發現，該模式受來自用戶、醫生、平臺交互易用性三方面的影響，由此引發的螺旋式交互表現有如下三種類型。

1）用戶初始問題描述不明確引發的螺旋式交互

該類型螺旋式交互發生在會話展開階段。首先，受用戶對自身癥狀描述不清晰的影響，醫生頻繁追問用戶體征信息、歷史就診信息等。其次，受醫生不斷追問影響，用戶不斷地表達自己的擔憂和猜測，引發用戶追問或提供大量無關信息。用戶與醫生的追問與回答交織在一起，彼此對問題的識別和理解呈現出螺旋上升的特征。如會話CM38，用戶描述初始問題“我剛才感覺頻死感強烈，然后呼吸困難，心跳很快”，由于癥狀描述不詳細，醫生追問11個問題，并進行了多達69次的回答或解釋，期間引發用戶多次主觀猜測自己是否患有“焦慮癥”“神經官能癥”等疾病。該模式表現的交互路徑特征為：醫生追問多，引發用戶主觀猜測，進而導致問答混亂、會話冗長。

2）醫生缺乏解釋引發的螺旋式交互

該類型螺旋式交互發生在會話展開階段和診斷建議階段。在會話展開階段，醫生將一組完整的健康信息分多次傳遞給用戶，但在此期間用戶開始描述其他癥狀，導致會話出現混亂，即醫生和用戶各自表達自己的觀點和需求。如會話CM30，醫生分4次表達一條完整信息“我看了你的血壓情況”“只是偏高了點”“問題不大”“不能診斷高血壓病”。與此同時，用戶并沒有響應醫生，而是繼續描述尿酸、血常規檢查等，導致會話偏移主題。此外，在診斷建議階段，醫生使用專業術語但未給出相應的解釋，引發用戶頻繁追問。如會話CM07，醫生解釋“我建議口服代文，80 mg，下午3～5點口服”，用戶無法理解專業術語“代文”，引發用戶追問“代文，80 mg，是藥的名稱嗎”，醫生進一步解釋“代文是商品名，化學名是纈沙坦片”。

3）平臺交互易用性不足引發的螺旋式交互

在會話過程中，醫生常常要求用戶上傳相關檢查報告，但由于用戶缺乏對平臺的了解和操作技能，需要醫生講解上傳流程，從而降低了會話效率。此外，也存在用戶不了解平臺規則，主動向醫生發送自己手機號碼或向醫生索要手機號碼等情況，觸發了平臺的違規警告，導致會話中斷。

基于上述分析，本研究總結了用戶與醫生會話的螺旋式交互模型，如圖1所示。引發螺旋式交互的主要原因是信息內容不明確、不清晰，彼此無法準確識別對方的需求和目的，引發連續過多的追問，且彼此的追問與回答混亂，導致無用的會話輪次增多。為達成相互理解，雙方需要展開螺旋式、交替互動，在多輪會話后，才能識別各自的需求。該模式的低效性體現在交互者雙方在表達上以自我為中心，在沒有完全獲取對方表達意圖時連續追問，引發連帶的負面效果，如醫生連續追問引發用戶焦慮情緒，導致用戶追問等。

4.1.2 直線式交互

直線式交互模式中，用戶與醫生會話內容結構化，彼此的問與答清晰流暢，用戶需求描述準確，醫生解釋詳細，體現出高效率會話模式的特征（圖2）。具體表現有如下三點。

圖1 在線健康醫療平臺用戶與醫生螺旋式交互模型

圖2 在線健康醫療平臺用戶與醫生直線式交互模型

1）用戶健康信息需求描述準確詳細

結合質性分析發現，用戶初始問題描述對自身健康狀況和體征數據匯報詳細，且明確提出咨詢問題，能顯著減少醫生追問，節省會話時間。如會話CM46，用戶初始問題描述為“我在一個月前得了高血壓，最高時是208/120，醫院給我開了鹽酸樂卡地平片和阿利沙坦酯片，吃了24天左右，沒控制很好，大概還有142～150/92～98左右，所以住院調整，醫生建議一起吃厄貝沙坦片和硝苯地平控釋片和琥珀酸美托洛爾緩釋片，昨天早晨先吃了琥珀酸美托洛爾緩釋片，中午吃的厄貝沙坦片和硝苯地平控釋片，今天早晨在沒吃藥之前量了還有127/87，心率為87，醫生建議三種藥一起吃，我請問能空腹一起吃嗎？會不會降得太低？三種藥怎么安排吃才合適”。在隨后會話中，醫生未追問用戶問題，快速給出解答，用戶表示感謝。

2）醫生主導，會話內容結構化

結構化的會話內容始終圍繞用戶咨詢問題的解答上。其主要特征包括：用戶的問題、癥狀描述、相關匯報等清晰明確，問與答清晰流暢，多表現為醫生主導會話，醫生以解釋為主，適當追問。例如，會話P04（隱去醫生姓名）：

患者：孩子感冒流鼻涕咳嗽，體溫37.2，吃什么藥？

**醫生：你好，出現這種癥狀多久了？做過什么檢查

患者：昨天開始的，沒做檢查。**醫生：咳嗽的頻率高不高？患者：不算高。

患者：今天上午咳嗽四五次吧。**醫生：建議吃百蕊顆粒。

**醫生：精神狀態好，沒有其他癥狀，建議雙手搓熱放在寶寶頭頂，姜末炒一下放布袋里敷腳心，姜片或者白醋放在熱水里熏蒸。

**醫生：緩解鼻塞流鼻涕。

患者：我給他吃了氨酚麻美干混懸劑，可以嗎？

**醫生：現在都不建議用這種成分比較多的感冒藥？

患者：好的，明白了，謝謝！

**醫生：不客氣啦。

此段會話，用戶準確描述了癥狀，醫生給出了明確的建議，會話簡短、雙方的意圖表達準確，二者的交互十分高效。

3）醫生解釋詳盡

與螺旋式交互相比，直線式交互中的醫生信息表述完整無歧義。如會話CM44，醫生針對用戶健康狀況給出如下建議“你目前可以吃一點鹽酸氟桂利嗪膠囊改善局部腦循環，阿托伐他汀，降血脂的”，該種方式清晰傳遞了藥物及其治療作用，用戶欣然接受醫生建議。

基于上述分析，本研究構建了在線健康醫療平臺中用戶與醫生直線式交互模型，如圖2所示。直線式交互所體現的用戶和醫生雙方都表現了良好的素養：用戶了解自身的健康狀況和疾患特征，掌握體征數據；醫生解釋詳盡，用戶能準確理解，交互過程順利結束。這表明良好的溝通一定體現在信息傳遞清晰明確，交互者之間在獲取和理解信息時不會妄斷猜測和曲解，并在溝通中表現出對彼此的尊重。

4.2 交互效率影響因素分析

本研究對用戶初始問題包含癥狀數量與醫生追問數量進行均值擬合處理，如圖3和圖4所示，分析顯示醫生追問數量與用戶初始問題包含癥狀數量呈反向關系，即用戶初始問題匯報癥狀越多，醫生追問數量越少；反之，亦然。對用戶初始問題包含癥狀數量與會話輪次數量進行均值擬合處理發現，會話輪次數量與用戶初始問題包含癥狀數量同樣呈反向關系，如圖5和圖6所示。這表明用戶初始問題包含癥狀數量是影響會話長短及會話效率的重要因素。

此外，對1017組會話的用戶初始問題包含癥狀數量與醫生追問數量、會話輪次數量進行了逐一對比分析。由于不同會話的總長度（用戶和醫生會話次數總和）不相同，本研究計算了每一組會話中用戶初始問題包含癥狀數量、醫生追問數量、會話輪次數量占會話總長度的百分比，保證了所有會話數據以統一標準形式呈現。對比顯示，用戶初始問題包含癥狀數量同醫生追問數量、會話輪次數量均存在此消彼長的關系，進一步驗證了用戶初始問題包含癥狀數量是制約交互會話的長度和效率的關鍵因素。

圖3 心血管內科用戶初始問題包含癥狀數量與醫生追問數量均值擬合關系

圖4 兒科感冒用戶初始問題包含癥狀數量與醫生追問數量均值擬合關系

圖5 心血管內科用戶初始問題包含癥狀數量與會話輪次數量均值擬合關系

圖6 兒科感冒用戶初始問題包含癥狀數量與會話輪次數量均值擬合關系

研究發現，用戶初始問題包含癥狀數量少而導致醫生追問數量上升，醫生追問過多則導致用戶無端猜測自己可能患有某種疾病，引發用戶焦慮情緒上升。如會話CM14，用戶初始問題描述了血壓、心率數據，未明確提出咨詢問題，在醫生多次追問后，用戶表示，“還有就是特害怕自己得病，前幾天被狗骨頭刺了一下手，就感覺自己得狂犬病了，特緊張，而且就會出現狂犬病的癥狀，脖子硬，而且是特硬的那種”，當醫生針對“狂犬病”進行解釋后，用戶又向醫生追問“我是不是有神經病啊”的問題。醫生雖然提供了合理的解釋，間接地給用戶提供了相關健康信息，但明顯偏離了本次會話最初的目的，未能在最短時間內向用戶提供最初需要的信息，導致會話效率低下。本研究通過編碼分析的226組會話中，體現用戶焦慮情緒的會話占比達25.22%。分別統計心血管內科和兒科感冒的會話，則發現用戶呈現焦慮情緒的占比前者為19.40%，后者為34.00%。顯而易見，兒科感冒的用戶更容易產生焦慮情緒，這也說明作為家長對孩子生病更為關切、緊張。

以上分析表明，用戶初始問題包含癥狀數量是影響用戶與醫生交互會話效率的關鍵因素，其與醫生追問數量和會話輪次數量存在此消彼長的關系。在醫生追問過程中，受網絡環境的制約，用戶和醫生的行為特征再次影響了會話效率，如用戶信息需求表達模糊、描述不規范等，而醫生習慣性地使用專業術語等。

5 討論與結論

本研究通過分析在線健康醫療平臺上的1017組關于兩個不同科室用戶與醫生的會話，發現螺旋式和直線式交互是兩者交互的主要模式，前者效率偏低，后者效率較高。其主要特征體現為：用戶的初始癥狀描述是否清晰、詳盡；交互過程是否始終圍繞用戶的初始癥狀和問診需求；醫生是否使用專業術語且缺乏解釋；用戶是否掌握系統或平臺提供的各種功能等。此外，研究揭示了導致兩者交互效率偏低的關鍵因素：初始問題描述的清晰和詳盡程度。下文從理論上探討兩種模式形成的原動力和影響交互效率的主要原因。

5.1 在線健康系統環境下影響用戶與醫生交互的關鍵因素

（1）用戶的醫療信息及診療需求是推動用戶和醫生交互進程的原動力。

信息需求是情報學領域的重要概念。Belkin[53]提出的“知識非常態（anomalous state of knowl‐edge，ASK）”假設指出，用戶在信息檢索之初是無法準確描述和表達其信息需求的。該理論雖然是針對信息檢索系統用戶而言的，但也可用于解釋在線健康醫療平臺上用戶的需求表達行為，其尋求在線醫生幫助的時刻同樣處于“知識非常態”，即認知缺失的狀態，包括對自身健康狀態認知的缺失、相關健康知識和疾患知識了解的缺失、對醫生（無法謀面）的了解和其醫術水平的認知缺失等，從而導致用戶無法準確描述其需求，需要通過反復溝通和互動才能厘清自身的需求。因而，用戶的信息或診療需求是推動用戶與醫生不斷產生交互行為的動力。同時，用戶與醫生溝通的過程也體現了Tay‐lor[14]揭示的圖書館館員與用戶就其信息需求開展的“問題-談判”過程的特征，即從無法表達的真實需求到雙方溝通形成妥協性的需求，本研究發現最終醫生是根據妥協性的用戶需求提供診斷結果和為用戶提供幫助的。有些用戶開啟會話僅報告自身感受，無明確咨詢問題，且會話展開后不斷向醫生傳遞雜亂信息和無端猜測，降低了會話效率，甚至咨詢一些使醫生難以回答的問題，在這種情境下，用戶與醫生之間往往要展開多輪次的會話，通過雙方不斷溝通，幫助理解對方的意圖，雙方不斷協商、妥協，醫生得以最終廓清用戶的信息需求，并為用戶提供有效的幫助。因此，明確了解用戶的醫療信息及診療需求是提高雙方交互效率的關鍵。另外，作為在線健康醫療系統或平臺，為用戶厘清其信息或診療需求，減輕雙方的交互負擔是改善平臺的交互環境、為用戶提供有效服務的重要前提和基礎。

（2）交互負荷影響和塑造了用戶與醫生的交互模式和交互效率。

有些用戶無法準確表達其醫療信息需求，導致醫生和用戶之間多輪次的反復溝通；醫生提供信息不完整、術語過于專業化，也是導致用戶反復追問的重要原因，增加了雙方的交互負荷，雙方均需付出更多的努力，以達到彼此的理解。這一過程更容易導致用戶出現焦慮情緒，也會影響雙方的交互效率。研究結果顯示，用戶初始問題包含的癥狀數量是影響會話長短和會話效率的重要因素，即初始問題中包含的癥狀數量越多，會話效率越高，溝通越順暢，越容易形成直線式交互模式；反之，初始問題中癥狀數量越少，癥狀描述規范性越弱，相關診療數據越是缺乏，會話效率越低，溝通障礙越大，越容易形成螺旋式交互模式。而醫生習慣性的專業術語表達，極大地增加了導致此種交互模式的可能性。究其原因，用戶在這種交互模式中，往往易陷入焦慮、急躁、不自信等負面的情緒中，導致交互的不順暢和交互負擔的急劇增加。因此，如何避免這些交互過程中出現的不利因素和負面情緒是值得思考的問題。一方面，加強交互雙方的培訓和教育迫在眉睫，可以采取已有研究中提出的方法，如Claramita等[34]和Ortiz[35]等提出的針對提升醫生溝通技巧開發指導課程，加強培訓；也可在醫學院的課程體系中融入與用戶在線交流技巧的教育。同時，將一些行之有效的方法加以推廣，運用到線上平臺的用戶與醫生的交互過程中，如“問候-邀請-討論”模式[35]、“人本主義溝通”策略[37]等，采用更人性化的溝通手段。針對用戶，可提供線上溝通的指南作為平臺提供的“幫助”功能的一部分。另一方面，作為在線健康平臺或系統也應提供相應的機制，實現交互障礙的自動識別，提供適當的交互手段，如提醒、實時的交互建議等，疏解雙方的負面情緒，給予兩者正確的引導，將螺旋式轉化為直線式，實現高效的交互，這有賴于系統的更加智能和智慧。

（3）自我中心的表達習慣妨礙用戶與醫生的交互效率。

在實體醫院工作中，醫生習慣主導醫患之間的會話溝通[48]。本研究發現，醫生的在線行為表現依舊如此，且用戶同樣表現出溝通過程中以自我為中心的特征。這種習慣性的自我中心的思維方式，在交互的過程中不能實現結構化，無疑在網絡環境下極易成為雙方溝通的障礙。已有研究表明，線上的溝通往往缺乏情感表達[18,20]，更加重了溝通的困難程度。此外，網絡自由的表達環境也塑造了用戶的特點，即質疑或挑戰醫生的權威，這和醫院環境下患者往往服從醫生的權威存在很大的差異，也使得在網絡環境中從業的醫生面臨更大的挑戰。在現實環境中，醫院各環節的醫療工作者能夠準確地理解醫生的診療結論及專業術語，用戶不需要閱讀醫生的處方和病例便可得到準確治療。然而，在網絡環境中，醫生過于術語化的表達易導致用戶理解上的困難或偏差。醫生對用戶的詢問僅做最基本的回答，會話中醫生意外掉線或出現用戶等待現象，表明了醫生是利用碎片化時間提供線上醫療信息服務，該行為潛在影響會話效率和信息質量。本研究發現，用戶對醫生使用的專業術語無法理解時，會導致雙方在會話溝通上產生障礙[54-55]；而醫生利用碎片化時間提供健康信息在響應“互聯網+健康醫療”政策的同時，也有待進一步對其行為進行規范。

（4）知識勢能差影響和塑造了用戶與醫生的交互模式和效率。

本研究發現，用戶和醫生的交互行為特征受知識勢能差（knowledge potential difference）的影響顯著，且存在兩種形式的知識勢能差。首先，在會話中醫生習慣使用專業知識而忽視對其進行進一步的解釋，表明醫生在健康專業知識方面處于知識勢能差的高位，而用戶無法理解醫生答復引發追問表明知識勢能差阻礙了二者的溝通和交互。其次，用戶在病情信息方面處于知識勢能差的高位，當用戶雜亂無章地匯報信息時，醫生只能被動地追問和篩選有用信息。受知識勢能差的影響，追問誘發用戶對病情嚴重程度的擔憂，導致其焦慮情緒上升。研究結果表明，知識勢能差越大，溝通的時間成本和雙方的努力程度越高，溝通的效率越低，越易形成螺旋式交互模式。而知識勢能差的存在表明群體中知識的多樣性，也是促進知識轉移的關鍵驅動力[56]，故縮小二者的知識勢能差有助于提升交互會話效率，也有助于健康知識的傳播，提升用戶健康信息素養。

綜上所述，導致不同交互模式的主要原因和影響交互效率的相關因素包括：用戶的信息需求、診療需求及需求描述、交互負荷、自我中心的表達方式及用戶和醫生之間的知識勢能差，這些模型、特征和影響因素的揭示，豐富了在線健康平臺用戶交互行為理論，體現了本研究的理論價值。

5.2 研究的啟示與局限性

本研究彌補了在網絡環境下對醫生和用戶之間交互行為研究的不足，將用戶與醫生之間的交互研究延伸至在線醫療平臺的環境中，識別了兩者之間的主要交互模式、特征，分析并揭示了形成高效和低效交互模式的主要因素。為助力用戶健康素養的提升和在線健康平臺的智能化建設，總結出如下啟示。

（1）綜合分析用戶與醫生的交互會話特征發現，在虛擬情境下，如何學會問與答是二者均需要提升的重要技能。用戶需努力改善自身健康信息素養，積極響應國家政策，掌握基本醫學常識，實現更高效地利用“互聯網+健康醫療”平臺提供的資源；醫生則需努力適應虛擬情境與醫院情境的差異，為用戶提供可快速理解的健康信息，幫助用戶提升健康信息素養，同時，將優質的醫療資源通過在線健康平臺分享出去，解決看病難的現實問題。

（2）用戶與醫生的交互會話離不開系統的調節作用，交互性友好的在線健康醫療平臺可助力用戶健康信息素養的培養及醫生對在線問診情境的適應。通過優化交互設計適當干預用戶與醫生的會話，可引導用戶以結構化方式表達健康信息需求，智能分析用戶需求，對醫生的回答進行補充。同時，未來的智能化健康問答系統可引導醫生對專業術語進行適當解釋，或系統能提供醫學詞匯的自動識別和解釋功能，輔助醫生的回答。

（3）如何縮小用戶與醫生的知識勢能差對平臺的交互設計提出了要求。謝泗薪等[57]強調了知識勢能差與互動技能是影響知識轉移的重要因素，由于用戶與醫生知識結構不同及認知差異，智能化健康醫療系統可采用機器學習技術捕獲用戶與醫生的行為，嘗試對其干預引導，以縮小知識勢能差。例如，對用戶常見咨詢問題分析并生成知識庫，實時分析用戶與醫生會話，向用戶推送相關知識；采用諸如激勵措施引導醫生改變缺乏對專業術語解釋的行為特征等。

（4）本研究的另一貢獻是識別了用戶與醫生交互的兩種模式，分別從用戶開啟會話、會話展開階段、診斷建議階段、會話結束四個階段揭示了用戶和醫生在不同模式下的交互特征。對比兩種模式可清晰發現，在不同階段如何對用戶或醫生的行為進行引導或培育顯得尤為重要，例如，會話開始階段系統或平臺可以嘗試以結構化的形式引導用戶填寫癥狀信息和具體咨詢問題，在會話展開后可采用機器學習技術對用戶與醫生的低效行為進行識別和干預等。兩種會話模式的識別，從理論上為智能健康醫療系統的交互設計提供了針對性的指導，為設計以用戶為中心的系統，提升用戶交互體驗提供了理論依據。

本研究的局限性在于研究數據有限，僅選取心血管內科和兒科感冒兩類數據進行分析，且分析側重于用戶與醫生的交互會話特征和效率。此外，僅采用質性分析手段對數據進行了分析，以揭示兩者之間的交互模式和效率。由于研究設計和數據性質的局限，無法回答一些問題，如醫生追問過程中用戶焦慮情緒的測量等。未來的研究將進一步擴大樣本量，改善研究設計，利用多種研究方法回答這些問題，并進一步驗證本研究的結果，從而得到更有效和可靠的結論，為提升在線健康信息系統或平臺環境下的用戶和醫生的交互提供理論指導，也為智能在線健康信息系統或平臺的開發和設計提供理論基礎和實證支持。