數據連續視角下網絡健康信息可信性影響因素分析

初彥伯 王萍 毛若竹 胡姝姝

摘 要： ［目的／ 意義］ 數據連續性概念的提出， 為網絡健康信息可信性的研究提供一種新的視角。通過數據連續性的引入， 將研究聚焦于健康數據層面， 挖掘網絡健康信息可信性的健康數據時間、空間及內容各維度表征， 以及對網絡用戶感知信任的作用關系， 這將從時間、空間及內容維度全面揭示信任建立的表征要素， 為全面提升網絡健康信息可信性提供策略指導， 這也可能是提升網絡健康信息可信性的一種新思路。［方法／ 過程］ 以扎根理論為基礎， 通過系統編碼挖掘健康數據時間、空間及內容維度表征方式與關系， 構建網絡健康信息可信性影響因素模型， 并使用結構方程進行驗證。［結果／ 結論］ 挖掘出健康數據時間、空間及內容三維共２４ 個表征要素， 研究發現健康數據三維架構分別與網絡健康信息來源、健康信息可讀性、感知健康信息質量及網絡用戶感知可信的相互影響關系， 為后續數據連續性的多場景應用提供參考。

關鍵詞： 健康數據； 網絡健康信息； 健康信息可信性

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０８．００９

〔中圖分類號〕Ｇ２０３ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０８－００９１－１１

公共衛生事件頻發的背景下， 用戶通過互聯網獲取健康信息的現象朝著常態化方向發展。研究發現， 高達８３ ２％的用戶認為網絡上的健康相關信息不總是可信的， １３ ６％的用戶認為網絡健康信息高度可信， 僅３ ２％的用戶認為網絡健康信息不可信［１］ ． 網絡用戶在線訪問健康信息時面臨的主要挑戰之一是評估信息可信性［２］ 。虛假健康信息一旦被采納， 便會對網絡用戶及家人的健康帶來嚴重危害， 甚至存在威脅生命的危險。通過引入數據連續性［３］ 概念， 能夠將網絡健康信息可信性的研究聚焦于健康數據層面， 減少健康數據失信、失控及失用的風險， 使其具有證據鏈作用， 并具備可信的前提條件。從健康數據時間、空間及內容維度全面揭示信任建立的表征要素， 為全面提升網絡健康信息可信性提供參考。

１ 數據連續性與網絡健康信息可信性辨析

將數據連續性的思想及基本框架應用于當前研究之中， 健康數據三維架構是由健康數據時間、空間及內容三維組成， 三維度一般表征為： 時間維度的健康數據溯源是其基本概念， 而對于健康數據溯源目的及價值， 可以在一般數據溯源的目的及價值相關研究中發現， 涉及“數據從哪來” 和“有哪些中間數據可以用來實現數據溯源” 等相關問題［４］ 。后來對數據溯源的內涵定義不斷被拓展， 數據溯源是與數據產生直接影響的源頭數據， 通過數據溯源發現目標數據在源頭數據庫中的位置［５］ 。數據溯源，不僅要從源頭數據的產生及演變過程開始記錄， 還需要更加具體的信息來保證目標數據的可重復使用［６］ 。數據溯源不斷迭代后， 主要有兩層含義， 第一層含義是將目標數據的溯源描述為導致其創建的一般過程， 另一層含義是關注演變數據的原始數據來源［７］ 。數據溯源本質上是一種記錄目標數據的演變路徑及其注釋的元數據［８］ 。健康數據三維架構時間維解決的是健康數據在其生命周期內的數據活動記錄都可以被記錄， 支持證據鏈的作用， 并且健康數據是否具有證明其自身論據的功能以及相關可信性評估指標等問題。健康數據空間維度一般表征為健康數據可關聯， 代表健康數據是否具有開放關聯、開放共享的能力。健康數據內容維度一般表征為健康數據可理解， 此處的可理解代表網絡用戶感知層面的可理解以及是否具有可以被計算機識別糾錯的能力。

在網絡用戶使用健康信息過程中， 對于網絡用戶而言， 網絡用戶的認知基礎、感知控制、電子健康素養及對健康信息的需求均是網絡用戶本身在對健康信息可信性方面有關的要素。對于健康信息而言， 健康信息是由健康數據進行分析處理后被網絡用戶所理解的， 健康信息的來源、健康信息內容、健康信息質量、健康信息可讀性及健康信息載體都是決定健康信息可信性的關鍵要素。此外， 除網絡用戶及健康信息外， 還需要互聯網、媒體及通信等多種技術在健康數據采集、處理、存儲、傳播及網絡用戶利用過程中將易操作的問題進行保障。研究發現， 網絡用戶對健康信息來源以及傳播途徑的信任， 與健康信息中的內容無關［９］ 。網絡健康信息可信性是健康信息源被網絡用戶信任的程度及對健康信息內容質量的綜合［１０］ 。除了健康信息源是否具有權威性、專業性、吸引力及可信賴程度外， 網絡健康信息可信性還包括用戶對健康信息感知質量及健康信息內容的描述是否具有精確性的主觀判斷［１１］ ， 是網絡用戶主觀所認為的接收到的健康信息是否值得信賴。網絡健康信息質量、信息源可信性及網絡健康信息可讀性是影響健康信息可信性的重要因素［１２］ 。“網絡健康信息可信性” 指的是健康信息的特征， 例如： 健康信息來源權威性、傳播途徑［１３］ 及健康信息質量中涉及的健康信息客觀性、相關性、完整性、一致性［１４］ 等。在健康數據的時間維度實現對數據來源、數據產生及生命周期內的活動、數據加工過程中的活動進行全程跟蹤記錄，使其具有證據鏈的功能。在空間維度通過數據關聯及數據空間等相關信息技術， 有效解決健康數據不一致、同一主題下多種不同觀點的分歧問題。在數據內容維度解決健康信息術語規范、語言邏輯不同及不可理解的語句錯誤等問題， 并在健康數據時間、空間及內容維度共同作用下實現網絡健康信息可信。

２ 研究方法及過程

２ １ 研究方法

１９６５ 年， Ｇｌａｓｅｒ Ｂ Ｇ 等［１５］ 首次提出扎根理論作為一套數據開發理論。扎根理論中涉及到的基本準則和方法具有高度的影響力［１６］ 。通過對原始文本資料進行收集， 逐句閱讀并逐級歸納， 從訪談資料中衍生出理論， 并以此解釋社會現象中存在的問題和聯系。扎根理論是一種從下而上構建實質理論的方法， 在系統收集資料基礎上探尋反映現象的核心概念， 通過概念間的關聯建構相關理論［１７］ 。扎根理論包含３ 個階段， 即開放式編碼、主軸編碼及選擇性編碼。開放式編碼是原始訪談文本進行抽象化處理， 通過對初始概念的總結形成初始范疇。主軸編碼起到建立概念間關系的作用。選擇性編碼是將以上所有過程進行系統分析， 并且確定核心范疇與各范疇之間的網絡關系。本研究對不同年齡段、不同職業的網絡健康信息使用者進行半結構化訪談、收集訪談數據及關系解構， 在實驗過程中嚴格遵守數據隱私性原則， 分級進行系統編碼， 以此提煉健康數據時間、空間及內容維在網絡健康信息可信性中的各維度表征以及作用關系。

２ ２ 研究設計

本部分遵循Ｋａｌｌｉｏ Ｈ［１８］ 的五步法確定訪談大綱。借鑒健康數據三維架構的３ 個維度： 空間維、時間維及數據內容維分別一般表征為健康數據可關聯性、健康數據可溯源性及健康數據可理解性在各維度的表征要素。網絡健康信息的受眾人群呈現不同年齡段、不同學歷背景及不同認知基礎對其呈現出的信任態度均有差異， 所以在對訪談群體進行實驗時， 分別選取不同年齡段及不同學歷背景的人群，以此保證訪談質量。在訪談前確定訪談者能夠接受訪談及錄音， 訪談結束前對其進行告知， 并在訪談后簽署保密協定， 保證受訪者的隱私安全。表１ 為受訪者信息。

２ ３ 編碼過程

在進行訪談資料回收工作后， 首先進行開放式編碼， 為訪談收回的數據進行粗略的貼標簽和概念界定。在開放式編碼過程中， 要比較事件與事件之間的異同， 盡可能多地歸納出概念， 對初始數據進行分類并賦予其概念含義。主軸編碼過程中， 要選擇最為重要的訪談內容， 以及出現最多頻次的初始編碼。此過程將進行類別檢查， 并且確定類別間的包含關系， 以此完善已有類別的屬性及維度。隨著類別圍繞核心概念的形成， 核心類別開始逐漸凸顯，將有助于后續確定類別間的關系奠定堅實的基礎。

選擇性編碼過程中， 需整合類屬間關系， 梳理故事線。故事線是通過產生連貫的扎根理論來促進研究成果的整合、構建、表達及展示的策略， 可以作為理論整合工具［１９］ 。在訪談結束后， 留出兩位受訪者的訪談數據作為理論飽和度檢驗數據， 重新回到文本中， 確保分析出的各范疇相互獨立且具有清晰的邏輯關系。

３ 質性分析編碼與范疇提煉

３ １ 開放式編碼

開放性編碼是打碎資料的過程。在沒有預定假設的情況下， 根據“相關性” 和“適用性” 原則，通過定義現象來分類， 對材料不斷比較從而歸納關鍵詞、描述概念并發現初始范疇。從健康數據時間、空間及內容維度出發， 對受訪者的錄音進行文字轉譯后， 開始反復比較， 逐字閱讀， 刪除頻次較少的范疇， 最終得到初始范疇表。表２ 為初始范疇， 為節約篇幅取部分進行展示。

３ ２ 主軸編碼

主軸編碼是恢復已經打碎資料的過程， 主要目的是為了尋找范疇和概念的相關關系， 將類屬與次類屬聯系起來發展出主軸范疇， 使編碼更具指導性和理論性［２０］ 。表３ 為主軸編碼表。

通過表３ 發現， 健康數據時間維度包括顯示來源、發布日期、健康管理數據溯源、治愈案例呈現、認證／ 實名、醫生簽名、備注內容、診療記錄。健康數據空間維度包括健康預警、健康全局圖譜、倉儲認證、網站信息披露、備注權威鏈接、一致性、客觀性、索引拓展。健康數據內容維度包括可用性、有用性、可理解性、邏輯性、簡潔性、術語規范性、安全性、論據可靠性。健康信息可讀性包括表述規范、論據支撐、邏輯準確、描述語言簡練。健康信息來源包括權威性、可信認證、獲取渠道、組織代碼。健康信息質量包括準確性、時效性、完整性、合理性。

３ ３ 選擇性編碼

選擇性編碼是析出核心范疇的過程， 經過系統分析圍繞核心范疇梳理故事線， 將分析集中到研究的核心范疇中， 凝聚出理論［２１］ 。經過扎根理論得到１６ 條因果關系， 表４ 為典型結構。

通過主軸編碼過程， 得到如表４ 所示的典型結構。將剩余兩人的訪談材料重新回到編碼材料中，發現本文構建的關系通過理論飽和度檢驗。對以上挖掘出的關系進行整理， 并且根據本部分的研究情境， 將數據時間、空間及內容維度分別進行分析與合并， 精煉提取其中的主要關系。整理出如表５ 所示的健康數據三維架構整體與網絡用戶健康信息感知可信關系。

作用關系①為健康數據三維架構→健康信息感知可信。健康數據三維架構的表征共同正向影響網絡健康信息用戶的感知可信， 健康數據三維架構三維度表征在上文中已經提及， 由健康數據三維架構中的各維度表征， 其中包括時間維度健康數據可溯源、空間維度健康數據可關聯及內容維度健康數據可理解， 與其三者之間的關系， 以此促使網絡健康信息用戶感覺到健康信息可信。

作用關系②為健康數據三維架構→健康信息來源→健康信息可讀性→健康信息感知可信。健康數據三維架構通過影響健康信息來源影響健康信息可讀性， 進而正向影響網絡健康信息用戶感知可信。

作用關系③為健康數據三維架構→健康信息來源→健康信息質量→健康信息感知可信。健康數據三維架構通過影響健康信息來源影響健康信息質量，進而實現對網絡健康信息用戶感知可信正向影響。

作用關系④為健康數據三維架構→健康信息來源→健康信息可讀性→健康信息質量→健康信息感知可信。健康數據三維架構對健康信息來源產生正向影響， 進而對健康信息可讀性直至健康信息質量產生影響， 最終對網絡健康信息用戶的感知可信產生正向影響關系。

作用關系⑤為健康信息三維架構→健康信息質量→健康信息感知可信。健康信息三維架構對健康信息質量產生正向影響， 通過對健康信息質量的作用關系， 進而對網絡健康信息用戶的感知可信產生正向影響關系。

４ 基于結構方程的關系驗證

以往研究中多采用主成分分析、結構方程或回歸等定量研究方法， 因結構方程是一種驗證性因子分析方法， 因此本文實證部分采用構建結構方程模型的方法較有說服性。首先， 采用調查問卷的方式收集原始數據， 按照以上研究中圍繞健康數據三維度、健康信息來源、健康信息質量、健康信息可讀性及感知可信建立假設。

４ １ 研究假設

健康數據三維架構各維度表征為健康數據可溯源、健康數據可關聯及健康數據可理解。三者之間存在內在聯系， 時間維度是健康數據以往版本之間具有證據作用， 而空間維度健康數據生命周期的活動， 需具有時間維度的印證。空間維度數據關聯及數據空間與數據內容之間互相影響。因不同信息接受者的受教育程度、專業背景等都與是否發生可信的采納行為密切相關， 健康信息可信性影響因素包括健康信息可靠性、健康信息質量及可讀性［２２］ 等。有學者［２３］ 認為感知可信度感受與信息內容無關［２４］ ，也有學者［２５］ 提出健康信息可信度是健康信息源被信息接收者信任的程度和健康信息內容的綜合。除對健康信息用戶的吸引力及信息對用戶可信賴程度之外， 健康信息可信還包括用戶對健康信息內容質量及內容描述精確度的主觀上的判斷［２６］ 。健康信息質量、信息源可信度是影響信息可信度的重要因素［１２］ 。健康信息來源權威性、傳播途徑、健康信息完整性、健康信息一致性及健康信息的客觀性等與健康信息可讀性有關［２７］ 。綜上所述， 結合本文實際情況做如下假設， 圖１ 為假設模型。

４ １ １ 健康數據三維架構對健康信息來源、健康信息質量及感知可信

Ｈ１ａ： 健康數據三維架構正向影響健康信息來源

Ｈ１ｂ： 健康數據三維架構正向影響感知可信

Ｈ１ｃ： 健康數據三維架構正向影響健康信息質量

４ １ ２ 健康信息來源對健康信息質量及健康信息可讀性

Ｈ２ａ： 健康信息來源正向影響健康信息質量

Ｈ２ｂ： 健康信息來源正向影響健康信息可讀性

４ １ ３ 健康信息可讀性對健康信息質量及感知可信

Ｈ３ａ： 健康信息可讀性正向影響健康信息質量

Ｈ３ｂ： 健康信息可讀性正向影響感知可信

４ １ ４ 健康信息質量對感知可信

Ｈ４： 健康信息質量正向影響感知可信

４ ２ 數據分析

４ ２ １ 問卷設計與回收

多領域統計文獻發現， Ｋｌｉｎｅ 提出在使用結構方程模型過程中， 樣本數量在２００ 個是最合理的，３００ 非常適合統計分析。Ｈａｉｒ 也認為樣本量在２００是合適的。Ｍａｎｄｅｖｉｌｌｅ、Ｒｏｓｃｏｅ 研究發現， 樣本問卷量應大于實際題目十倍的數量。結合以上研究，本文結構方程模型實證部分共發放問卷２４０ 份， 剔除無效問卷２２ 份， 最終有效問卷２１８ 份， 問卷回收率為９０ ８３％， 表６ 為人口統計學變量。

通過人口統計學變量分析， 發現本次選擇的調研群體中， 男生和女生的性別比例大致相同。３１～４０ 歲用戶較多， ２０～３０ 歲、４１～５０ 歲及５０ 歲以上用戶數量差異不大。教育程度方面本科居多， 高中最少。職業方面， 以私企工作人員居多， 其數量與國企職工、公務員或事業單位員工及其他行業從業者的總和相差不大。

４ ２ ２ 信效度分析

本部分采用測算Ｃｒｏｎｂａｃｈ α 值的方法檢驗內部一致性、可靠性、聚集性。α 值越高代表問卷的內部一致性越好， Ｃｒｏｎｂａｃｈα 系數越接近１， 表明問卷數據的信度越好。表７ 為本文測量題項及整體問卷的α 系數。

通過表７ 發現， 健康數據三維架構、健康信息來源、健康信息可讀性的α 值均大于０ ７， 總體２５道題的α 值為０ ９１３， 代表問卷具有較高的內在一致性， 滿足進一步分析的要求。在效度檢驗中， 使用ＫＭＯ 值進行測算。當ＫＭＯ 值越接近１ 時， 代表各變量間的共同要素越多， 適合做因子分析。探索性因子分析如表８ 所示， 本研究中ＫＭＯ 值為０ ９１１，Ｓｉｇ ＜０ ００１， 說明Ｂａｒｔｌｅｔｔｓ 球形度檢驗顯著， 證明本研究的問卷具有良好效度， 符合統計學意義。

４ ２ ３ 驗證因子分析

１） 收斂效度。在收斂效度方面需要計算模型的ＣＲ 及ＡＶＥ 值， 如式（１） 和式（２） 所示。將各維度的ＣＲ 及ＡＶＥ 值進行匯總， 如表９ 所示。

健康數據三維架構的組合信度ＣＲ 值為０ ９９２，平均變異數抽取量為０ ５９８。健康信息來源的組合信度ＣＲ 值為０ ８５８， 平均變異數抽取量為０ ５０１。健康信息可讀性的組合信度ＣＲ 值為０ ８９４， 平均變異數抽取量為０ ６２９。健康信息質量的組合信度ＣＲ 值為０ ８５３， 平均變異數抽取量為０ ６６０。感知可信的組合信度ＣＲ 值為０ ８８９， 平均變異數抽取量為０ ７２８。

２） 區分效度。區分效度是根據測量各個變量之間是否有效區分的指標。由ＡＶＥ 值的平方根與變量間的相關系數評估。ＡＶＥ 值的平方根需大于所有變量的相關系數， 以此表明模型具有較好的區分效度。表１０ 為區分效度分析結果。

４ ３ 檢驗結果分析

根據以上測量模型， 構建大數據視域下網絡健康信息可信性影響因素結構方程模型， 共有５ 個潛變量。顯著性與假設如表１１ 所示。

通過表１１ 發現共有８ 條假設關系。其中健康數據三維架構與健康信息來源Ｐ 值為０ ００４， 假設成立。健康數據三維架構與健康信息質量Ｐ 值小于等于０ ００１， 假設成立。健康數據三維架構與感知可信Ｐ 值為０ ００７， 假設成立。健康信息來源與健康信息可讀性Ｐ 值小于等于０ ００１， 假設成立。健康信息來源與健康信息質量Ｐ 值為０ ０２９， 假設成立。健康信息可讀性與健康信息質量Ｐ 值為０ ００４， 假設成立。健康信息可讀性與感知可信Ｐ 值小于等于０ ００１， 假設成立。健康信息質量與感知可信的Ｐ 值為０ ０２０， 假設成立。圖２ 為模型初始路徑。

在經過以上的信效度檢驗及相關檢驗之后， 將對本文構建的結構方程模型進行適配度檢驗， 通常對結構方程適配度檢驗指標較多， 常用指標有： 卡方值、自由度ｄｆ、卡方自由度比、ＧＦＩ、ＡＧＦＩ、ＲＭＲ均方根殘差、ＲＭＳＥＡ 近似均方根誤差、ＣＦＩ、ＮＦＩ、ＴＬＩ、ＥＣＶＩ 等。各指標在結構方程模型適配度中檢驗結果為： 卡方越小越好、自由度ｄｆ 越大越好、卡方／ 自由度為１～３ 之間模型可以接受、ＧＦＩ 值在０ ９０ 以上理想代表模型、ＡＧＦＩ 在０ ８ 以上代表模型可以接受、ＲＭＲ 均方根殘差越小越好、ＲＭＳＥＡ近似均方根誤差越小越好、ＣＦＩ、ＮＦＩ 及ＴＬＩ 均為越接近１ 越好。表１２ 為初始路徑模型適配度檢驗結果。

４ ３ １ Ｈ１ａ： 健康數據三維架構正向影響健康信息來源

健康數據三維架構對健康信息來源的路徑系數為０ １６， Ｐ 值為０ ００４＜０ ０５， 假設成立。健康數據三維架構正向顯著影響健康信息來源， 健康數據三維架構在健康數據生命周期內， 是否具有數據回溯并且具有證據鏈的作用， 其中健康數據處理過程等人工活動是否進行記錄并支持查詢， 是否具有來源標識及官方權威認證將對健康信息來源產生影響， 而在健康信息傳播過程中涉及的健康信息源及健康信息傳播媒介都可以通過健康數據的方式進行回查。而以往研究發現， 健康信息來源權威性極易影響網絡用戶的感知可信。本部分的研究與以往研究結果相契合， 證明本部分研究具有合理性。

４ ３ ２ Ｈ１ｂ： 健康數據三維架構正向影響感知可信

健康數據三維架構對感知可信的路徑系數為０ ２１， Ｐ 值為０ ００７＜０ ０５， 假設成立。健康數據三維架構正向顯著影響網絡用戶感知可信。健康數據時間、空間及內容維在網絡健康信息可信性中的三維度表征整體共同促進網絡健康信息人感知可信。按照上文中的分析， 健康數據三維架構代表健康數據可信、可控及可用， 如果在健康數據分析過程中， 是秉承客觀、真誠且理性的態度， 即可以實現健康信息的可信， 但如果在健康數據處理分析過程中過于主觀， 那么健康信息也不具有客觀性和合理性。因此， 本部分研究發現健康數據三維架構正向影響網絡用戶感知可信。

４ ３ １ Ｈ１ａ： 健康數據三維架構正向影響健康信息來源

健康數據三維架構對健康信息來源的路徑系數為０ １６， Ｐ 值為０ ００４＜０ ０５， 假設成立。健康數據三維架構正向顯著影響健康信息來源， 健康數據三維架構在健康數據生命周期內， 是否具有數據回溯并且具有證據鏈的作用， 其中健康數據處理過程等人工活動是否進行記錄并支持查詢， 是否具有來源標識及官方權威認證將對健康信息來源產生影響， 而在健康信息傳播過程中涉及的健康信息源及健康信息傳播媒介都可以通過健康數據的方式進行回查。而以往研究發現， 健康信息來源權威性極易影響網絡用戶的感知可信。本部分的研究與以往研究結果相契合， 證明本部分研究具有合理性。

４ ３ ２ Ｈ１ｂ： 健康數據三維架構正向影響感知可信

健康數據三維架構對感知可信的路徑系數為０ ２１， Ｐ 值為０ ００７＜０ ０５， 假設成立。健康數據三維架構正向顯著影響網絡用戶感知可信。健康數據時間、空間及內容維在網絡健康信息可信性中的三維度表征整體共同促進網絡健康信息人感知可信。按照上文中的分析， 健康數據三維架構代表健康數據可信、可控及可用， 如果在健康數據分析過程中， 是秉承客觀、真誠且理性的態度， 即可以實現健康信息的可信， 但如果在健康數據處理分析過程中過于主觀， 那么健康信息也不具有客觀性和合理性。因此， 本部分研究發現健康數據三維架構正向影響網絡用戶感知可信。實現網絡健康信息的高效利用， 還需要更全面的政策引導、更有效的監管流程及更先進的信息技術作為保障， 對健康數據在生命周期內的活動實現可追溯、監管并實施相關的干預措施。本文挖掘出的２４ 個信任表征要素可以為后續以技術應用的形式實現網絡健康信息可信性保障的研究提供引導。

參考文獻

［１］ 聶麗麗， 王沅． 基于移動互聯網的健康信息搜索行為研究［Ｊ］．現代醫院管理， ２０１７， １５ （１）： ６４－６７．

［２］ Ｃｈａｎｇ Ｙ Ｓ， Ｚｈａｎｇ Ｙ， Ｇｗｉｚｄｋａ Ｊ． Ｔｈｅ Ｅｆｆｅｃｔｓ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｏｕｒｃｅａｎｄ ｅＨｅａｌｔｈ Ｌｉｔｅｒａｃｙ ｏｎ Ｃｏｎｓｕｍｅｒ Ｈｅａｌｔｈ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｅｄｉｂｉｌｉｔｙ Ｅ?ｖａｌｕａｔｉｏｎ Ｂｅｈａｖｉｏｒ ［ Ｊ］． Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ， ２０２１，１１５： １０６６２９．

［３］ 朝樂門． 數據連續性： 未來跨學科研究的重要課題［ Ｊ］． 情報學報， ２０１６， ３５ （３）： ２２７－２３６．

［４］ 劉海鷗， 何旭濤， 李凱， 等． 區塊鏈數據溯源機制研究綜述［Ｊ］． 情報雜志， ２０２２， ４１ （７）： １００－１０６， ４０．

［５］ Ｃｕｉ Ｙ， Ｗｉｄｏｍ Ｊ， Ｗｉｅｎｅｒ Ｊ Ｌ． Ｔｒａｃｉｎｇ ｔｈｅ Ｌｉｎｅａｇｅ ｏｆ Ｖｉｅｗ Ｄａｔａｉｎ ａ Ｗａｒｅｈｏｕｓｉｎｇ Ｅｎｖｉｒｏｍｅｎｔ ［Ｊ］． ＡＣＭ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ＤａｔａｂａｓｅＳｙｓｔｅｍｓ （ＴＯＤＳ）， ２０００， ２５ （２）： １７９－２２７．

［６］ Ｇｏｂｌｅ Ｃ． Ｐｏｓｉｔｉｏｎ Ｓｔａｔｅｍｅｎｔ： Ｍｕｓｉｎｇｓ ｏｎ Ｐｒｏｖｅｎａｎｃｅ， Ｗｏｒｋｆｌｏｗａｎｄ （Ｓｅｍａｎｔｉｃ Ｗｅｂ） Ａｎｎｏｔａｔｉｏｎｓ ｆｏｒ Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ ［ Ｃ］ ／ ／ Ｐｒｏ?ｃｅｅｄｉｎｇｓ ｏｆ Ｗｏｒｋｓｈｏｐ ｏｎ Ｄａｔａ Ｄｅｒｉｖａｔｉｏｎ ａｎｄ Ｐｒｏｖｅｎａｎｃｅ． Ｃｈｉｃａ?ｇｏ， ＩＩＩｉｎｏｉｓ， ＵＳＡ， ２００２： １－５．

［７］ Ｇｌａｖｉｃ Ｂ， Ｄｉｔｔｒｉｃｈ Ｋ Ｒ． Ｄａｔａ Ｐｒｏｖｅｎａｎｃｅ： Ａ Ｃａｔｅｇｏｒｉｚａｔｉｏｎ ｏｆ Ｅｘ?ｉｓｔｉｎｇ Ａｐｐｒｏａｃｈｅｓ ［Ｃ］ ／ ／ Ｄａｔａｂａｎｋｓｙｓｔｅｍ ｉｎ Ｂｕｓｉｎｅｓｓ， ＴｅｃｈｎｏｌｏｇｉｅＵｎｄ Ｗｅｂ （ＢＴＷ ２００７）． Ａａｃｈｅｎ， Ｇｅｒｍａｎｙ， ２００７： ２２７－２４１．

［８］ 喬蕊， 曹琰， 王清賢． 基于聯盟鏈的物聯網動態數據溯源機制［Ｊ］． 軟件學報， ２０１９， ３０ （６）： １６１４－１６３１．

［９］ Ｗｅｓｔ Ｍ Ｄ． Ｖａｌｉｄａｔｉｎｇ Ａｓｃａｌｅ ｆｏｒ ｔｈｅ Ｍｅａｓｕｒｅｍｅｎｔ ｏｆ Ｃｒｅｄｉｂｉｌｉｔｙ： ＡＣｏｖａｒｉａｎｃｅ Ｓｔｒｕｃｔｕｒｅ Ｍｏｄｅｌｉｎｇ Ａｐｐｒｏａｃｈ ［ Ｊ］． Ｊｏｕｍａｌｉｓｍ Ｑｕａｒｔｅｒ?ｌｙ， １９９４， ７１ （１）： １５９－１６８．

［１０］ Ｈａｒｒｉｓ Ｗ， Ｓｕｓａｎ Ｂ． Ｔｈｅ Ｄｅｌｉｃａｔｅ Ａｒｔ ｏｆ Ｂｅｉｎｇ Ｃｒｅｄｉｂｌｅ ［ Ｊ］．Ｃｏｍｐｕｔｅ Ｗｏｒｌｄ， １９９０， ２４ （２５）： ９９－１０１．

［１１］ Ｍｅｔｚｇｅｒ Ｍ Ｊ． Ｍａｋｉｎｇ Ｓｅｎｓｅ ｏｆ Ｃｒｅｄｉｂｉｌｉｔｙ ｏｎ ｔｈｅ Ｗｅｂ： Ｍｏｄｅｌｓ ｆｏｒＥｖａｌｕａｔｉｎｇ Ｏｎｌｉｎｅ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ ｆｏｒ Ｆｕｔｕｒｅ Ｒｅ?ｓｅａｒｃｈ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆Ｔｅｃｈｎｏｌｏｇｙ， ２００７， ５８ （１３）： ２０７８－２０９１．

［１２］ 李月琳， 張秀， 王姍姍． 社交媒體健康信息質量研究： 基于真偽健康信息特征的分析［Ｊ］． 情報學報， ２０１８， ３７ （３）： ２９４－３０４．

［１３］ 查先進， 張晉朝， 嚴亞蘭． 微博環境下用戶學術信息搜尋行為影響因素研究———信息質量和信源可信度雙路徑視角［ Ｊ］．中國圖書館學報， ２０１５， ４１ （３）： ７１－８６．

［１４］ Ｃｈｕｎｇ Ｃ Ｊ， Ｎａｍ Ｙ， Ｓｔｅｆａｎｏｎｅ Ｍ Ａ． Ｅｘｐｌｏｒｉｎｇ Ｏｎｌｉｎｅ Ｎｅｗｓ Ｃｒｅｄ?ｉｂｉｌｉｔｙ： Ｔｈｅ Ｒｅｌａｔｉｖｅ Ｉｎｆｌｕｅｎｃｅ ｏｆ Ｔｒａｄｉｔｉｏｎａｌ ａｎｄ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｆａｃ?ｔｏｒｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ－Ｍｅｄｉａｔｅｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ， ２０１２， １７（２）： １７１－１８６．

［１５］ Ｇｌａｓｅｒ Ｂ Ｇ， Ｓｔｒａｕｓｓ Ａ Ｌ． Ａｗａｒｅｎｅｓｓ ｏｆ Ｄｙｉｎｇ ［ Ｊ］． ＡｍｅｒｉｃａｎＳｏｃｉｏｌｏｇｉｃａｌ Ｒｅｖｉｅｗ， １９６５， ３１ （４）．

［１６］ Ｂｒｙａｎｔ Ａ． Ｇｒｏｕｎｄｉｎｇ Ｓｙｓｔｅｍｓ Ｒｅｓｅａｒｃｈ： Ｒｅ－ｅｓｔａｂｌｉｓｈｉｎｇ Ｇｒｏｕｎｄ?ｅｄ Ｔｈｅｏｒｙ ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３５ｔｈ Ａｎｎｕａｌ Ｈａｗａｉｉ Ｉｎｔｅｒｎａ?ｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅ， ２００２．

［１７ ］ Ｗｏｏｄｓ Ｐ， Ｇａｐｐ Ｒ， Ｋｉｎｇ Ｍ Ａ． Ｇｅｎｅｒａｔｉｎｇ ｏｒ ＤｅｖｅｌｏｐｉｎｇＧｒｏｕｎｄｅｄ Ｔｈｅｏｒｙ： Ｍｅｔｈｏｄｓ ｔｏ Ｕｎｄｅｒｓｔａｎｄ Ｈｅａｌｔｈ ａｎｄ Ｉｌｌｎｅｓｓ ［ Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｎｉｃａｌ Ｐｈａｒｍａｃｙ， ２０１６， ３８ （３）： １－８．

［１８］ Ｋａｌｌｉｏ Ｈ， Ｐｉｅｔｉｌ? Ａ Ｍ， Ｊｏｈｎｓｏｎ Ｍ， ｅｔ ａｌ． Ｓｙｓｔｅｍａｔｉｃ Ｍｅｔｈｏｄｏｌｏｇ?ｉｃａｌ Ｒｅｖｉｅｗ： Ｄｅｖｅｌｏｐｉｎｇ ａ Ｆｒａｍｅｗｏｒｋ ｆｏｒ ａ Ｑｕａｌｉｔａｔｉｖｅ Ｓｅｍｉ－ｓｔｒｕｃ?ｔｕｒｅｄ Ｉｎｔｅｒｖｉｅｗ Ｇｕｉｄｅ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ａｄｖａｎｃｅｄ Ｎｕｒｓｉｎｇ， ２０１６，７２ （１２）： ２９５４－２９６５．

［１９］ Ｂｉｒｋｓ Ｍ， Ｍｉｌｌｓ Ｊ， Ｆｒａｎｃｉｓ Ｋ， ｅｔ ａｌ． Ａ Ｔｈｏｕｓａｎｄ Ｗｏｒｄｓ Ｐａｉｎｔ ａＰｉｃｔｕｒｅ： Ｔｈｅ Ｕｓｅ ｏｆ Ｓｔｏｒｙｌｉｎｅ ｉｎ Ｇｒｏｕｎｄｅｄ Ｔｈｅｏｒｙ Ｒｅｓｅａｒｃｈ ［ Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｒｅｓｅａｒｃｈ ｉｎ Ｎｕｒｓｉｎｇ， ２００９， １４ （５）： ４０５－４１７．

［２０］ Ａｓａｋｕｒａ Ｋ． Ｔｈｅｏｒｉｚｉｎｇ Ｐａｔｈｗａｙｓ ｔｏ Ｒｅｓｉｌｉｅｎｃｅ Ａｍｏｎｇ ＬＧＢＴＱ Ｙｏｕｔｈ：Ａ Ｇｒｏｕｎｄｅｄ Ｔｈｅｏｒｙ Ｓｔｕｄｙ ［ Ｄ］． Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｏｒｏｎｔｏ， Ｃａｎａｄａ，２０１５．

［２１］ Ｊａｎｔｕｎｅｎ Ｓ， Ｇａｕｓｅ Ｄ Ｃ． Ｕｓｉｎｇ ａ Ｇｒｏｕｎｄｅｄ Ｔｈｅｏｒｙ Ａｐｐｒｏａｃｈ ｆｏｒＥｘｐｌｏｒｉｎｇ Ｓｏｆｔｗａｒｅ Ｐｒｏｄｕｃｔ Ｍａｎａｇｅｍｅｎｔ Ｃｈａｌｌｅｎｇｅｓ ［ Ｊ］． Ｊｏｕｒｎａｌｏｆ Ｓｙｓｔｅｍ ＆ Ｓｏｆｔｗａｒｅ， ２０１４， ９５ （９）： ３２－５１．

［２２］ Ｍｕｄｉｙａｎｓｅｌａｇｅ Ｔ， Ｌｅｅｌａｗａｒｄａｎａ Ｈ． Ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅ?ｃｕｒｉｔｙ ａｎｄ Ｉｔｓ Ｒｅｌａｔｅｄ Ｃｏｎｓｔｒｕｃｔｓ ｏｎ Ｐｕｒｃｈａｓｅ Ｉｎｔｅｎｔｉｏｎ ｏｆ ＳｏｃｉａｌＣｏｍｍｅｒｃｅ Ｕｓｅｒｓ． ２０１５．

［２３］ Ｓａｌｗｅｎ Ｍ， Ｓｔａｃｋｓ Ｄ． Ａｎ Ｉｎｔｅｇｒａｔｅｄ Ａｐｐｒｏａｃｈ ｔｏ ＣｏｍｍｕｎｉｃａｔｉｏｎＴｈｅｏｒｙ ａｎｄ Ｒｅｓｅａｒｃｈ ［Ｍ］． Ｍａｈｗａｈ， ＮＪ： Ｌａｗｒｅｎｃｅ Ｅｒｌｂａｕｍ Ａｓ?ｓｏｃｉａｔｅｓ， １９９６： ４２１－４４１．

［２４］ Ｗｅｓｔ Ｍ Ｄ． Ｖａｌｉｄａｔｉｎｇ Ａｓｃａｌｅ ｆｏｒ ｔｈｅ Ｍｅａｓｕｒｅｍｅｎｔ ｏｆ Ｃｒｅｄｉｂｉｌｉｔｙ：Ａ Ｃｏｖａｒｉａｎｃｅ Ｓｔｒｕｃｔｕｒｅ Ｍｏｄｅｌｉｎｇ Ａｐｐｒｏａｃｈ ［ Ｊ］． Ｊｏｕｍａｌｉｓｍ Ｑｕａｒ?ｔｅｒｌｙ， １９９４， ７１ （１）： １５９－１６８．

［２５］ Ｈａｒｒｉｓ Ｗ， Ｓｕｓａｎ Ｂ． Ｔｈｅ Ｄｅｌｉｃａｔｅ Ａｒｔ ｏｆ Ｂｅｉｎｇ Ｃｒｅｄｉｂｌｅ ［ Ｊ］．Ｃｏｍｐｕｔｅ Ｗｏｒｌｄ， １９９０， ２４ （２５）： ９９－１０１．

［２６］ Ｍｅｔｚｇｅｒ Ｍ Ｊ． Ｍａｋｉｎｇ Ｓｅｎｓｅ ｏｆ Ｃｒｅｄｉｂｉｌｉｔｙ ｏｎ ｔｈｅ Ｗｅｂ： Ｍｏｄｅｌｓ ｆｏｒＥｖａｌｕａｔｉｎｇ Ｏｎｌｉｎｅ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ ｆｏｒ Ｆｕｔｕｒｅ Ｒｅ?ｓｅａｒｃｈ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆Ｔｅｃｈｎｏｌｏｇｙ， ２０１４， ５８ （１３）： ２０７８－２０９１．

［２７］ Ｃｈｕｎｇ Ｃ Ｊ， Ｎａｍ Ｙ， Ｓｔｅｆａｎｏｎｅ Ｍ Ａ． Ｅｘｐｌｏｒｉｎｇ Ｏｎｌｉｎｅ Ｎｅｗｓ Ｃｒｅｄ?ｉｂｉｌｉｔｙ： Ｔｈｅ Ｒｅｌａｔｉｖｅ Ｉｎｆｌｕｅｎｃｅ ｏｆ Ｔｒａｄｉｔｉｏｎａｌ ａｎｄ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｆａｃ?ｔｏｒｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ－Ｍｅｄｉａｔｅｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ， ２０１２， １７（２）： １７１－１８６．

（責任編輯： 郭沫含）