主動知識貢獻對在線健康社區擇醫行為的影響研究

摘 要： ［目的／ 意義］ 醫生通過發布健康科普文章進行主動知識貢獻， 對提升在線健康社區公共衛生知識水平具有重要作用。研究該行為對患者擇醫行為影響， 有助于緩解醫患信息不對稱問題， 并提升醫生經濟收益與社會形象。［方法／ 過程］ 本研究基于信息系統成功模型（ＩＳＳＭ）， 從使用情況、信息質量和服務質量３ 個維度構建主動知識貢獻對患者擇醫影響模型。通過收集好大夫平臺醫生面板數據， 采用傾向得分匹配—雙重差分（ＰＳＭＤＩＤ）方法， 量化醫生文章發布行為、數量及類型對新增咨詢患者影響， 分析職稱和口碑調節作用。［結果／ 結論］研究表明， 醫生主動知識貢獻明顯推動患者擇醫行為。轉載、精選、付費及視頻文章轉化效果尤為顯著， 凸顯信息質量與媒介豐富度重要性。同時， 高級職稱醫生存在邊際效應遞減現象， 而高在線口碑有正向調節作用。此外， 慢性病領域主動知識貢獻效果顯著優于其他疾病。本研究不僅拓展了醫生主動知識貢獻行為的理論研究， 還為在線健康社區優化運營策略提供了實踐指導。

關鍵詞： 在線健康社區； 知識貢獻； 擇醫行為； 信息系統成功模型； 傾向得分匹配—雙重差分

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０５．０１５

〔中圖分類號〕Ｇ２５２. ０ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２５） ０５－０１６７－１１

在《“健康中國２０３０” 規劃綱要》［１］ 的推動下，遠程醫療和互聯網醫療迅速發展， 通過在線咨詢和遠程診斷有效減少了患者對實地就醫的依賴， 緩解了醫療資源緊張與分布不均的問題［２－３］ 。在線健康社區（Ｏｎｌｉｎｅ Ｈｅａｌｔｈ Ｃｏｍｍｕｎｉｔｉｅｓ， ＯＨＣ） 突破了傳統醫療的時空限制， 為患者提供了便捷的線上問診渠道， 同時為醫生帶來了提升口碑、拓展服務和增加收入的機會［４］ 。ＯＨＣ 平臺可以通過ＶＩＰ 服務、家庭醫生計劃及公開問診記錄等方式吸引用戶［５］ ， 但醫生在自主選擇營銷策略方面的靈活性有限。當前，醫生通過平臺自媒體頻道（科普號）發布健康科普文章提升曝光度和信任度， 進而吸引更多付費咨詢，已成為一種廣泛應用的策略［６］ ， 并在多個ＯＨＣ 平臺（如春雨醫生、微醫）取得廣泛應用。截至２０２４ 年３月， 已有２７. ６％的好大夫平臺注冊醫生開通自媒體頻道并發布了健康科普文章。

發布健康科普文章已成為醫生主動知識貢獻的主要方式， 但其對患者擇醫行為的具體影響尚未得到充分研究。現有文獻多集中于文章發布數量的單一因素分析， 缺乏對文章類別、醫生職稱、口碑等多維度因素的綜合討論。此外， 針對ＯＨＣ 平臺從文章發布到患者付費擇醫過程中， 涉及的信息質量和服務質量等信息系統成功模型因素仍存在研究空白。大多數研究將醫生視為整體樣本， 忽略了不同活躍度醫生在知識貢獻與就診服務方面的差異， 這可能引發內生性偏誤， 削弱結論的可靠性和有效性。

為彌補上述不足， 本文以ＯＨＣ 為研究場景， 基于信息系統成功模型， 從使用情況、信息質量和服務質量３ 個維度， 系統化評估醫生發布文章行為的效果。通過傾向得分匹配—雙重差分法［７］ ， 利用好大夫平臺９４１ ０２６名醫生的連續６ 個月數據， 深入分析醫生發布健康科普文章對患者付費咨詢轉化的影響。研究結合信號理論與邊際效應理論， 探討了醫生職稱與在線口碑在這一過程中所起的調節作用， 并比較了不同疾病領域的異質性效果。研究不僅為ＯＨＣ 平臺的管理和服務提供實踐指導， 還為用戶行為優化提供理論依據， 進一步拓寬了信息系統成功模型的應用場景， 豐富了主動知識貢獻對患者行為影響的理論研究。

１ 文獻綜述

１. １ ＩＳＳＭ 模型在在線信息系統中的應用研究

ＩＳＳＭ 模型在在線信息系統中的應用研究信息系統成功模型（Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ ＳｕｃｃｅｓｓＭｏｄｅｌ， ＩＳＳＭ）自１９９２ 年由ＤｅＬｏｎｅ Ｗ Ｈ 等提出以來，已成為評估信息系統效果與成功的經典框架［８］ 。該模型通過信息質量、服務質量、用戶滿意度、使用情況和凈效益等多個維度， 綜合衡量信息系統的成功與影響。醫生通過ＯＨＣ 平臺自媒體發布健康科普內容， 涵蓋內容生成、信息共享、互動交流及專業咨詢， 符合使用ＩＳＳＭ 模型評估其效能的條件。

ＩＳＳＭ 已被廣泛應用于多個信息資源平臺， 如知識付費、移動閱讀和政務服務平臺等。徐愷英等［９］通過分析圖書館移動閱讀用戶的接納行為， 發現感知易用性、感知有用性及信息與環境質量對用戶使用態度有正向影響。金小璞等［１０］ 在知識付費平臺的研究中， 強調信息質量和服務質量在提升用戶滿意度中的重要性。龐宇等［１１］ 指出， 一些政務服務平臺在信息質量和服務質量方面的不足。曹晶等［１２］ 通過用戶滿意度調查， 分析了國家文獻信息資源保障平臺的質量、實用價值及用戶期望等因素。

本文選擇ＩＳＳＭ 作為理論框架有兩大原因： 其一， 在線健康社區中， 醫生發布的內容與患者信息采納過程緊密相關， 適合用ＩＳＳＭ 模型進行評估；其二， 醫生的知識貢獻行為具有復雜的轉化機制，ＩＳＳＭ 能夠捕捉多維度的影響因素， 減少潛在的結果偏差， 提供更全面的解釋框架。

１. ２ 醫生主動知識貢獻對患者采納的轉化效能研究

國內外學者廣泛研究了ＯＨＣ 醫生主動知識貢獻對患者付費采納的影響， 涉及經濟收益、轉化曲線形式、調節變量及對其他醫生的影響等方面。Ｇｕｏ ＸＴ 等［１３］ 通過定量分析， 展示了醫生的知識貢獻行為如何通過推動患者付費采納來產生經濟收益。雷麗彩等［１４］ 發現， 醫生主動知識貢獻與患者付費采納之間存在顯著的線性關系。Ｍｅｎｇ Ｆ Ｂ 等［１５］ 進一步指出， 二者呈現Ｕ 型關系， 即隨著知識貢獻數量的增加， 在一定階段會出現邊際遞增效應。此外， 醫生的主動分享不僅提高了自身的付費采納率， 還增加了同科室醫生的知名度［１６］ 。Ｚｈａｎｇ Ｘ 等［１７］ 的研究表明， 不同疾病類別和地區的醫療資源可及性顯著影響了患者對知識分享的響應效果。地區醫療資源的差異及患者健康意識的不同， 可能導致各地區對醫生知識分享行為的反應不一致［１８］ 。

然而， 現有研究多關注知識貢獻的數量， 未充分考慮健康文章的多媒體屬性和信息可獲得性等因素。結合ＩＳＳＭ 模型理論基礎， 使用情況、信息質量和服務質量等維度對患者的知識采納行為產生重要影響， 值得進一步探索。

２ 研究模型與假設提出

在信息系統成功模型（ＩＳＳＭ）框架下， 使用情況、信息質量和服務質量是衡量信息系統成功的關鍵因素， 直接影響系統的凈收益。研究模型框架如圖１ 所示。

２. １ 使用情況對患者知識采納的影響

醫生主動知識貢獻的使用情況包括其行為與數量。ＯＨＣ 自媒體頻道為醫生提供展示專業知識與患者互動的機會， 從而幫助雙方建立信任。祝琳琳等［１９］ 指出， 患者對健康產品的信任來自對在線信息的認知和情感信任， 直接影響他們對醫生的評價和付費咨詢決策。醫生發布的科普文章不僅提供了醫學信息， 還緩解了信息不對稱， 增強了患者信任，提升付費咨詢的可能性［２０］ 。也有研究強調發表數量在患者決策中的重要性［２１－２２］ 。根據ＩＳＳＭ 框架［２３］ ，使用情況是用戶行為決策的關鍵因素， 驗證了醫生發布自媒體文章對患者知識采納的積極影響。基于此， 提出假設：

假設１： 醫生主動知識貢獻行為對患者擇醫有正面影響假設

２： 醫生主動知識貢獻數量對患者擇醫有正面影響

２. ２ 信息質量對患者知識采納的影響

信息質量涵蓋準確性、可靠性、豐富性、及時性和相關性， 直接影響用戶行為和滿意度［２４］ 。高質量信息不僅增強患者對醫生的信任， 還能降低其決策風險， 提升付費咨詢意愿［２５］ 。Ｍｅｎｇ Ｆ Ｂ 等［１５］ 指出， 信息的廣度與深度對醫生自媒體系統成功至關重要， 并且直接影響用戶付費轉化行為。ＤｅＬｏｎｅ ＷＨ 等提出的擴展ＩＳＳＭ 模型也強調信息質量是系統成功的基礎， 尤其在醫療信息不對稱環境中， 影響了患者滿意度和擇醫決策［２６－２７］ 。

研究表明， 醫療技術和職稱較高醫生的文章更容易獲得轉載， 并且相較于一般文章對患者具有更強吸引［２８］ 。相較而言， 普通醫生的原創文章創作質量較低， 影響患者擇醫決策［２９］ 。此外， 文章的呈現位置也影響患者觀感。醫生標注的精選文章通常處于頁面頂端， 吸引患者關注［３０］ ， 而非精選文章位置靠后， 不容易被患者發現。含有視頻的文章相較于純文本， 展現醫生觀點時更加直觀、易于了解， 尤其對復雜深奧的醫學內容， 視頻文章可以幫助患者理解［３１］ 。少數文章付費后才能觀看， 付費行為也是一種信息篩選機制， 只有對自己產出較為自信的醫生才會選擇付費解鎖方式發布文章。Ｃａｉ Ｓ 等［３２］ 發現， 患者對付費內容有較高的期望， 且更愿意為優質信息付費， 付費行為也同時強化了醫患之間的互動與信任關系。

基于此， 提出假設：

假設３： 轉載文章與原創文章均對患者擇醫有正面影響， 且轉載文章效果更大

假設４： 精選文章與非精選文章均對患者擇醫有正面影響， 且精選文章效果更大

假設５： 免費文章與付費文章均對患者擇醫有正面影響， 且付費文章效果更大

假設６： 文本文章與視頻文章均對患者擇醫有正面影響， 且視頻文章效果更大

２. ３ 服務質量對患者知識采納的調節影響

信息系統中服務質量對用戶滿意度與忠誠度有著重要影響［３３］ 。楊雨嬌等［３４］ 指出， 服務質量是提高信息服務效果的關鍵條件。ＯＨＣ 醫生的線下職稱和在線口碑評分直觀體現其服務質量， 前者代表了醫生的專業能力， 后者反映了患者的就醫體驗。醫生職稱是一種稀缺信號［３５］ ， 只有少數醫生才具有高級職稱， 患者可以憑借這一信號選擇相對優質醫生。但是， 隨著醫生持續發布新文章， 職稱信號對患者擇醫的邊際效應也會不斷減少［３６］ 。高級職稱醫生也可能會使用更為復雜、深奧的醫學術語， 影響患者閱讀文章體驗［１９］ ， 從而削弱患者繼續咨詢醫生的意愿。基于此， 提出假設：

假設７： 線下職稱在知識貢獻對患者擇醫中產生負向調節作用

在線口碑評分體現了醫生在服務質量、溝通技巧和專業能力等方面的綜合能力。Ｇｕｏ Ｓ Ｓ 等［３７］ 的研究表明， 在線口碑作為消費者決策中的重要信號，顯著增強了患者對醫生的信任。在線口碑評分直接反映了患者就診后對醫生服務質量的綜合評價， 評分越高， 越能彰顯醫生的優質服務［３８－３９］ 。基于此，提出假設：

假設８： 在線口碑在知識貢獻對患者擇醫中產生正向調節作用

３ 數據與研究方法

３. １ 數據采集

本研究基于好大夫在線平臺的大規模醫生行為數據， 分析醫生在自媒體平臺上的發布行為對付費咨詢量的影響。作為國內領先的醫療健康平臺， 好大夫在線擁有９０ 萬注冊醫生， 自２０１５ 年推出付費咨詢服務以來， 有效降低了患者的線下就醫成本，同時提升了醫生的社會形象和收入。平臺的封閉互動環境為精確捕捉醫生發布行為與患者付費咨詢轉化的關系提供了有利條件。通過多級數據爬取， 本研究系統收集了２０２３ 年８ 月—２０２４ 年２ 月９４１ ０２６名醫生的相關數據， 確保數據的準確性和代表性。

３. ２ 變量測量

表１ 介紹了自變量、因變量及控制變量的名稱與定義， 并標注了各變量在ＩＳＳＭ 框架下的分類。

自變量涵蓋了使用情況和信息質量兩個維度。在使用情況中， ＢｏｏｌＡｒｔｉｃｌｅ 衡量醫生是否發布新文章， 揭示持續知識貢獻對患者選擇的影響， Ａｒｔｉｃｌｅ則衡量文章數量， 分析內容輸出密度對患者決策的作用。信息質量通過文章內容衡量， 變量包括原創文章（ＯｒｉｇｉｎＡｒｔｉｃｌｅ） 和轉載文章（ＲｅｐｏｓｔｅｄＡｒｔｉｃｌｅ），分別代表個性化知識貢獻與權威信息傳播。精選文章（ＦｅａｔｕｒｅｄＡｒｔｉｃｌｅ） 與非精選文章（ＲｅｇｕｌａｒＡｒｔｉｃｌｅ）區分了醫生主觀判斷的信息質量高低， 視頻（Ｖｉｄｅｏ?Ａｒｔｉｃｌｅ）和文本（ＴｅｘｔＡｒｔｉｃｌｅ）文章則反映不同的呈現形式。此外， 免費（ＦｒｅｅＡｒｔｉｃｌｅ）和付費（ＰａｉｄＡｒｔｉｃｌｅ）文章用來考察信息獲取成本對患者行為的影響。

因變量為系統凈收益， 通過Ｃｏｎｓｕｌｔ 衡量， 代表醫生新增的付費患者數量， 反映醫生通過自媒體提升經濟效益的效果。調節變量包括醫生職稱（ＰｒｏｆＴｉ?ｔｌｅ）和在線口碑評分（Ｓｃｏｒｅ）， 分別代表醫生的專業資歷與患者對其服務質量的評價， 這兩者分別調節醫生知識貢獻對患者擇醫行為的影響。

控制變量涵蓋醫生性別（Ｇｅｎｄｅｒ）、是否在三甲醫院工作（ＴｏｐＨｏｓｐ）、科室類別（Ｄｅｐａｒｔｍｅｎｔ）、平臺注冊時長（ＲｅｇｉｓｔｅｒＴｉｍｅ）、歷史文章發布量（ＨｉｓｔＡｒｔｉ?ｃｌｅ）、歷史付費咨詢量（ＨｉｓｔＣｏｎｓｕｌｔ）、主頁訪問量（Ｖｉｓｉｔ）及患者禮物數量（Ｇｉｆｔ）。

３. ３ 研究方法

本研究采用傾向得分匹配—雙重差分（Ｐｒｏｐｅｎ?ｓｉｔｙ Ｓｃｏｒｅ Ｍａｔｃｈｉｎｇ－Ｄｉｆｆｅｒｅｎｃｅ－ｉｎ－Ｄｉｆｆｅｒｅｎｃｅｓ， ＰＳＭＤＩＤ）方法， 通過準實驗設計量化醫生主動知識貢獻對患者擇醫行為的影響。ＰＳＭ 用于減少處理組與對照組之間的系統性差異， 避免因醫生活躍度差異導致的結果偏差［４０］ 。僅使用ＤＩＤ 模型可能會高估文章發布對付費咨詢量的影響， 因此本研究結合ＰＳＭ 匹配， 再通過ＤＩＤ 模型控制時間變化中的未觀測因素，以提高結果的準確性。

在ＰＳＭ 匹配過程中， 基于醫生性別、職稱、醫院等級、科室、平臺注冊時長等協變量計算傾向得分， 并采用１ ∶３ 最近鄰匹配法， 確保傾向得分差異控制在０. ０５ 以內［４１］ 。匹配后， 通過ＤＩＤ 模型分析文章發布前后的變化， 評估其對付費咨詢量的影響。結合ＰＳＭ－ＤＩＤ 方法有效解決了自選擇偏差問題， 并動態計算因果關系的變化， 確保結果的穩健性。在穩健性檢驗中， 采用１ ∶１ 最近鄰匹配法， 結果仍保持一致。

實驗的主模型形式如式（１） 所示：

Ｃｏｎｓｕｌｔｉｔ ＝β０ ＋β１Ａｒｔｉｃｌｅｉｔ ＋ＢＸｉｔ ＋αｉ ＋τｔ ＋εｉｔ （１）

其中， ｉ 表示醫生個體， ｔ 表示時間點， Ｃｏｎｓｕｌｔｉｔ表示醫生ｉ 在時間ｔ 的付費咨詢患者數量； β０ 為常數項， Ａｒｔｉｃｌｅｉｔ為醫生ｉ 在時間ｔ 發布的文章數量。Ｘｉｔ包括表１ 所列控制變量， 個體固定效應αｉ 和時間固定效應τｔ 也納入模型。為減少偏差， 計數類變量進行了對數化處理。核心系數β１ 衡量醫生發布文章對付費咨詢量的邊際影響， 是本研究的重點分析對象。

該模型驗證了假設２， 并進一步使用表１ 中的其他自變量替換Ａｒｔｉｃｌｅ 進行驗證： ＢｏｏｌＡｒｔｉｃｌｅ 驗證假設１， ＯｒｉｇｉｎＡｒｔｉｃｌｅ 和ＲｅｐｏｓｔｅｄＡｒｔｉｃｌｅ 驗證假設３，ＦｅａｔｕｒｅｄＡｒｔｉｃｌｅ 和ＲｅｇｕｌａｒＡｒｔｉｃｌｅ 驗證假設４， ＦｒｅｅＡｒｔ?ｉｃｌｅ 和ＰａｉｄＡｒｔｉｃｌｅ 驗證假設５， ＶｉｄｅｏＡｒｔｉｃｌｅ 和ＴｅｘｔＡｒ?ｔｉｃｌｅ 驗證假設６。此外， 研究還分析了醫生職稱和在線口碑評分的調節作用。通過分組回歸和交互項分析， 職稱作為分類變量被引入式（１）， 以Ｖａｒ. ×ＰｒｏｆＴｉｔｌｅ 代替Ａｒｔｉｃｌｅ， 評估不同職稱醫生發布文章對付費咨詢量的影響（Ｖａｒ. 為假設１ 至假設６ 的自變量）， 驗證假設７。在線口碑評分作為連續變量，通過Ｖａｒ. ×Ｓｃｏｒｅ 代替Ａｒｔｉｃｌｅ 測量其調節作用， 驗證假設８。

４ 實驗結果

４. １ 平行趨勢檢驗

圖２ 展示了處理組與對照組在發布文章前后付費咨詢患者數量的變化趨勢。通過事件研究法驗證了平行趨勢假設， 并量化了醫生主動知識貢獻對反應性知識貢獻的動態影響。為避免阿什費爾特效應［４２］（樣本自選擇問題）的干擾， 研究采用了Ｌｕｏ Ｃ等［４３］ 的方法， 將處理前一期（－１ 期）數據作為基準，有效避免了短期波動影響， 確保了處理前趨勢的穩定性， 使動態分析結果更加可靠。

在處理前的多個期數（－９ 期至－１ 期）， 處理組與對照組的付費咨詢患者數量變化趨勢保持平行，驗證了平行趨勢假設。這表明兩組間的差異主要由時間不變的因素引起， 而非外部干擾， 進一步支持了ＰＳＭ－ＤＩＤ 方法進行因果推斷的合理性。處理發生后（醫生開始知識貢獻）， 處理組與對照組的付費咨詢患者數量差異顯著擴大， 且在后續期數中持續擴大。值得注意的是， 從處理當期起， 知識貢獻的影響系數及９５％置信區間顯著高于０， 表明醫生的知識貢獻對患者擇醫行為立即產生了積極影響。隨著時間推移， 該效果進一步增強， 醫生發布健康科普文章在短期和長期上均能提升患者付費咨詢數量。

４. ２ ＰＳＭ－ＤＩＤ 回歸結果

表２ 展示了醫生通過發布自媒體文章對新增付費患者咨詢量的整體轉化影響。列（１） 為基準模型，控制了醫生個體和時間固定效應， 初步分析了自變量與因變量之間的關系。列（２） 和列（３） 在加入控制變量后， 進一步探討了醫生發布文章行為和數量對付費咨詢量的影響。結果顯示， 醫生發布文章行為的系數為１９. ８４２（ｐ＜０. ０１）， 文章數量的系數為０. ８７２（ｐ＜０. ０１）， 表明發布文章行為和數量均顯著增加了付費咨詢量。每發布１ 篇文章， 平均新增０. ８７２ 位付費咨詢患者， 驗證了假設１ 和假設２。

在信息質量的分析中， 列（４） ～（７） 分別檢驗了假設３～６。列（４） 顯示， 轉載文章的系數為３.７８５（ｐ＜０. １０）， 原創文章的系數為０. ８４１（ｐ＜０. ０１）， 表明轉載文章的轉化效果優于原創文章， 支持假設３。列（５） 顯示， 精選文章的系數為１５. ９４１（ｐ＜０. ０１），顯著高于非精選文章的０. ８１５（ｐ＜０. ０１）， 驗證了假設４， 表明精選文章更具吸引力。列（６） 中， 付費文章系數為８. ５８１（ｐ＜０. ０５）， 顯著高于免費文章的０. ８５３（ｐ＜０. ０１）， 驗證了假設５， 說明付費文章雖限制部分患者的訪問， 但其高質量內容吸引了更為黏性的患者群體。此外， 視頻文章的系數為１. １１７（ｐ＜０. ０１）， 高于文本文章的０. ６４６（ｐ＜０. ０１）， 驗證了假設６， 表明視頻文章因其多媒體特性， 更能有效傳達復雜醫療信息。

所有結果通過１ ０００次Ｂｏｏｔｓｔｒａｐ 方法驗證， 增強了模型的穩健性和可信度。結果表明， 醫生發布的自媒體文章在多個維度上顯著影響了患者的付費咨詢行為， 信息質量的提升顯著提高了文章的轉化效果。

表３ 展示了醫生服務質量（線下職稱和在線口碑評分）對其自媒體文章發布的調節效應。Ｐａｎｅｌ Ａ重點分析醫生職稱對發布文章數量的調節作用，Ｐａｎｅｌ Ｂ 探討在線口碑評分的調節作用。

在Ｐａｎｅｌ Ａ 中， 列（２） 顯示其他醫師組（ＰｒｏｆＴ?ｉｔｌｅ＝１）發布文章對患者擇醫有輕微負面影響（－０.６６０，低， 患者對其文章的關注度不高。主治醫師組（ＰｒｏｆＴ?ｉｔｌｅ＝２）對擇醫的影響最為顯著， 系數為１. １９６（ｐ＜０. ０１）， 表明主治醫師通過發布文章提升了其專業聲譽， 彌補了職稱較低的劣勢［４４］ 。主任醫師和副主任醫師組（ＰｒｏｆＴｉｔｌｅ ＝ ３，４）的影響同樣顯著（系數分別為０. ７３８ 和０. ８７９）， 但邊際效應較主治醫師組弱， 顯示隨著職稱的提升， 知識貢獻的邊際效應逐漸減弱。這表明線下職稱在知識貢獻對患者擇醫的影響中具有負向調節作用。然而， 列（１０） 顯示，高級職稱醫生在發布視頻等高質量內容時并未出現邊際效應遞減， 表明職稱并非唯一調節因素。總體而言， 假設７ 基本成立。

Ｐａｎｅｌ Ｂ 分析了在線口碑評分的調節作用， 結果顯示在線口碑評分對醫生知識貢獻有顯著的正向調節作用。在線口碑每增加１ 分， 醫生發布文章的效果平均增加２. ９３０（ｐ＜０. ０１）。這一正向效應在大多數知識貢獻類型中得到了驗證， 但在精選文章和付費文章上有所不同， 可能是因為精選文章強調質量而非數量， 付費文章的讀者更依賴核心群體， 對口碑評分的依賴較低。總體而言， 在線口碑對知識貢獻在患者擇醫中的影響起到正向調節作用， 驗證了假設８ 的成立。

４. ３ 科室異質性

在線健康科普知識通常圍繞特定疾病展開［４５］ ，基于夏蘇迪等［４６］ 的劃分方法， 本節分析了不同科室醫生的主動知識貢獻對患者擇醫行為的影響。表４結果顯示， 不同科室醫生的貢獻效果存在顯著差異。內分泌科（列４）和心血管內科（列５）的醫生貢獻效果最顯著， 因慢性病（如糖尿病和高血壓）需要長期管理， 患者對相關健康科普的依賴較高［４７］ 。相反， 感染內科（列３）和胸外科（列１）的效果不明顯， 表明患者在面對感染性和外科疾病時更傾向于線下就診。骨外科（列２）的效果介于兩者之間， 因其既涉及急性問題如骨折， 也有需長期管理的疾病。精神心理科（列６）效果不顯著， 可能是因為患者更依賴個性化心理輔導， 通用科普對其擇醫決策影響較小。

４. ４ 穩健性檢驗

穩健性檢驗旨在確保研究結果在不同條件下依然具備統計意義和廣泛適用性。本研究通過調整模型設置、數據子集及分析方法， 進一步驗證了假設的穩健性。首先， 通過縮減樣本范圍［４８］ ， 剔除歷史發布文章數量前１％的醫生數據， 重新進行ＰＳＭ匹配和模型估計。其次， 鑒于患者付費咨詢量為計數變量， 本研究采用負二項回歸模型替代ＯＬＳ， 以處理數據的過度離散性。此外， 為檢驗知識貢獻的短期效應［４］ ， 本研究將數據時間范圍縮短至２０２３年８—１０ 月， 分析文章發布后的即時影響。３ 個穩健性檢驗結果與主要結論一致。

５ 結果討論

５. １ 主要發現

本文基于信息系統成功模型， 構建醫生主動知識貢獻對患者擇醫影響框架模型， 并采用傾向得分匹配—雙重差分法， 以醫生發布健康科普文章為例，實證分析該系統使用情況、信息質量和服務質量３個因素對患者付費咨詢的轉化效果。具體發現如下：

１） 醫生主動知識貢獻顯著促進患者擇醫。實驗結果表明， 醫生平均每發布一篇健康科普文章，可新增０. ８７２ 位在線問診患者。醫生的主動知識貢獻行為拓寬健康信息可及性的同時， 還直接增進了醫患間信任關系。這一發現與現有研究［２２，４９］ 一致，表明醫生的知識貢獻在推動大眾健康教育的同時，還為其帶來了經濟收益。

２） 文章類型影響知識貢獻效果。不同類型的文章對轉化效果存在顯著差異。研究發現， 轉載、精選、付費及視頻文章的效果優于原創、非精選、免費及文本類文章。這說明高質量、易理解的內容更能贏得患者信任， 促進付費咨詢［１５］ 。

３） 線下職稱與在線口碑的相反調節效應。醫生職稱和在線口碑對知識貢獻效果的調節作用相反。

高級職稱雖然是一種稀缺信號， 但其對患者擇醫影響的邊際效應遞減［１５，５０］ 。在線口碑評分是根據患者就診反饋體現的醫生綜合服務質量， 能放大醫生知識貢獻對患者擇醫的影響。

４） 慢性病知識貢獻效果更顯著。慢性病相關的醫生知識貢獻效果顯著高于突發性疾病和精神類疾病。慢性病治療屬于長期健康管理， 醫生發布的健康文章可以培養醫患間情感與信任， 而突發性及精神類疾病患者更傾向線下就診或個性化治療。

５. ２ 理論貢獻

本研究理論貢獻如下： ①拓展信息系統成功模型（ＩＳＳＭ）的應用。將ＯＨＣ 醫生通過以發布健康文章為代表的主動知識貢獻行為對患者擇醫行為的影響視為一個自媒體系統， 從使用情況、信息質量和服務質量３ 個維度， 拓展了ＩＳＳＭ 在健康信息服務領域的應用； ②細化在線健康服務質量相關研究。醫生線下職稱和在線口碑評分的相反調節效應說明知識貢獻者不同的服務質量指標的差異性， 在知識貢獻行為研究中需要建立差異化服務質量模型； ③對知識貢獻行為研究提供因果推斷分析框架。本文通過采集面板數據， 使用傾向得分匹配—雙重差分（ＰＳＭ－ＤＩＤ）方法和穩健性檢驗， 從因果而非關聯角度提供了一套衡量知識貢獻行為影響的流程。

５. ３ 實踐貢獻

本研究主要有３ 個方面的實踐貢獻： ①為激勵醫生知識貢獻提供量化依據。結果顯示， 平均每篇科普文章可為醫生新增０ ８７２ 位付費咨詢患者。這一發現為醫生評估知識創作的投資回報收益提供了具體數據參考， 同時也為平臺制定激勵措施提供了依據； ②為醫生和平臺制定差異化內容策略提供指導。研究表明， 轉載、精選、視頻和付費文章相對于原創、非精選、文本和免費文章對患者付費咨詢轉化效果更好。其中， 視頻和付費文章展現更高的轉化效果。醫生在進行知識創作時可以選擇合適的知識類型， 平臺也能制定差異化推薦策略； ③幫助醫生建設個人品牌。高級職稱醫生的知識貢獻存在邊際效應遞減現象， 而在線口碑評分能夠放大知識貢獻的轉化效果。對致力于提高在線問診影響力的醫生而言， 相對于提升職稱更直接、重要的是提高為患者服務質量， 維持較高在線口碑。

５. ４ 在線健康社區知識貢獻優化策略

優化各方知識貢獻對于提升在線健康社區整體服務質量和推動其可持續發展至關重要。本文從監管機構、平臺和醫生３ 個方面提出優化策略， 以期構建規范、高效的知識貢獻體系， 促進健康知識的傳播與應用。

１） 監管機構應構建多層次監督與評估體系， 推動健康數據共享與安全監管。在“健康中國２０３０”戰略指導下， 確保傳播的健康信息符合規范、內容準確， 是監管機構的核心職責。監管機構應該建立常規化監督流程， 定期抽查平臺健康信息， 杜絕觀念不正確或內容不準確的信息傳播。監管機構也需制定并實施相關宣傳政策， 鼓勵醫生發布滿足人民健康需求的健康科普文章。

２） 平臺應注重個性化推薦健康知識， 加強醫生內容創作培訓。作為掌握信息傳播渠道的平臺，在提供健康知識時應注意結合患者個性需求與醫生情況， 不能只按照就診量、職稱等簡單指標提供千篇一律的結果。同時， 個性化推薦也應給予致力于小眾領域（比如細分疾病）醫生更高權重， 滿足患者特定需求并激發醫生創作動力。作為醫生隱性知識外顯化的重要產物， 健康科普文章對醫生的創作與寫作能力提出了較大要求， 平臺應以開辦寫作培訓班、提供優秀范本等方式， 指導醫生內容創作。

３） 醫生應養成知識貢獻習慣， 根據自身職稱、口碑、專業類型調整知識貢獻策略。鑒于主動知識貢獻對影響患者擇醫的積極效果， 醫生應養成知識貢獻習慣， 將其作為一種常態化宣傳方式， 定期發布滿足患者需求的內容。細化到醫生個體， 也需要根據自身職稱、口碑、專業類型調整知識貢獻策略。比如， 口碑較差的醫生需先提升服務水平， 注重患者反饋意見， 從而最大化其知識貢獻效果； 治療慢性病的醫生需要更加重視主動知識貢獻。

５. ５ 研究局限與未來展望

本研究基于面板數據并采用了因果推斷方法，實證結果具有較高的可信度， 但仍存在部分局限。第一， 數據僅使用好大夫在線單一渠道， 未來研究可擴展到更多平臺， 以提高結論的普適性。在此過程中本研究提出的模型與流程均具備通用性， 可以直接運用到其他平臺。第二， 本研究中醫生主動知識貢獻行為選取發布健康科普文章作為代表， 未來研究可以擴展到其他知識貢獻類別， 如科普講座直播、開展健康管理課程等。

參考文獻

［１］ 中華人民共和國中央人民政府． 中共中央 國務院印發《“健康中國２０３０” 規劃綱要》［ＥＢ／ ＯＬ］． ［２０２４－１０－１８］． ｈｔｔｐ：／ ／ ｗｗｗ．ｇｏｖ．ｃｎ／ ｚｈｅｎｇｃｅ／２０１６－１０／２５／ ｃｏｎｔｅｎｔ＿５１２４１７４．ｈｔｍ．

［２］ 翟冉冉， 韓正彪． 在線健康社區用戶信息交互的驅動因素研究［Ｊ］． 圖書情報工作， ２０２４， ６８ （３）： １５－２６．

［３］ 易明， 劉繼月， 傅航． 共生視角下的在線健康社區知識共創演化機理研究［Ｊ］． 情報理論與實踐， ２０２４， ４７ （９）： １３４－１４６．

［４］ Ｍａ Ｘ Ｍ， Ｚｈａｎｇ Ｐ Ｆ， Ｍｅｎｇ Ｆ Ｂ， ｅｔ ａｌ． Ｈｏｗ Ｄｏｅｓ ＰｈｙｓｉｃｉａｎｓＥｄｕｃａｔｉｏｎａｌ Ｋｎｏｗｌｅｄｇｅ － Ｓｈａｒｉｎｇ Ｉｎｆｌｕｅｎｃｅ Ｐａｔｉｅｎｔｓ Ｅｎｇａｇｅｍｅｎｔ？Ａｎ Ｅｍｐｉｒｉｃａｌ Ｅｘａｍｉｎａｔｉｏｎ ｉｎ Ｏｎｌｉｎｅ Ｈｅａｌｔｈ Ｃｏｍｍｕｎｉｔｉｅｓ ［Ｊ］． Ｆｒｏｎ?ｔｉｅｒｓ ｉｎ Ｐｕｂｌｉｃ Ｈｅａｌｔｈ， ２０２２， １０： １０３６３３２．

［５］ 尤劍， 余先明， 孟猛， 等． 全球健康信息采納行為研究熱點與前沿分析［Ｊ］． 現代情報， ２０２４， ４４ （６）： １６８－１７６．

［６］ 熊回香， 向瀛泓， 孟璇， 等． 在線健康社區中基于用戶評論挖掘的醫生服務評價研究［Ｊ］． 情報科學， ２０２４， ４２ （８）： １１８－１２５， １６３．

［７］ 蔡俊， 楊嵐， 周亞虹． ＰＳＭ－ＤＩＤ 在政策評價中的應用現狀與改進方法［Ｊ］． 管理科學學報， ２０２４， ２７ （２）： ３０－４８．

［８］ 王晰巍， 羅然， 劉宇桐， 等． 智慧圖書館在線聊天機器人使用行為影響因素及實證研究［ Ｊ］． 情報學報， ２０２３， ４２ （ ２）：２１７－２３０．

［９］ 徐愷英， 崔偉， 洪旭東， 等． 圖書館移動閱讀用戶接納行為影響因素研究［Ｊ］． 圖書情報工作， ２０１７， ６１ （１５）： ４３－５０．

［１０］ 金小璞， 徐芳， 畢新． 知識付費平臺用戶滿意度調查與提升策略［Ｊ］． 情報理論與實踐， ２０２１， ４４ （５）： １４６－１５２．

［１１］ 龐宇， 張玲． 地方政府一體化在線政務服務平臺效能提升路徑探究———以“京、滬、蘇、浙” 在線服務平臺為例［Ｊ］． 北京行政學院學報， ２０２２ （４）： ３４－４２．

［１２］ 曹晶， 葉繼元， 朱強． 國家文獻信息資源保障平臺的用戶滿意度實證研究［Ｊ］． 圖書館學研究， ２０２３ （９）： ５１－６１．

［１３］ Ｇｕｏ Ｘ Ｔ， Ｇｕｏ Ｓ Ｓ， Ｖｏｇｅｌ Ｄ， ｅｔ ａｌ． Ｏｎｌｉｎｅ Ｈｅａｌｔｈｃａｒｅ Ｃｏｍｍｕ?ｎｉｔｙ Ｉｎｔｅｒａｃｔｉｏｎ Ｄｙｎａｍｉｃｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｓｃｉｅｎｃｅ ａｎｄＥｎｇｉｎｅｅｒｉｎｇ， ２０１６， １ （１）： ５８－７４．

［１４］ 雷麗彩， 陳新雨． 在線醫療社區患者擇醫行為： 平臺認證和信息瀏覽行為的影響機制［Ｊ］． 管理科學， ２０２３， ３６ （５）： ７１－８４．

［１５］ Ｍｅｎｇ Ｆ Ｂ， Ｌｉｕ Ｙ Ｘ， Ｚｈａｎｇ Ｘ Ｆ， ｅｔ ａｌ． Ｇｅｎｅｒａｌ Ｋｎｏｗｌｅｄｇｅ－Ｓｈａｒｉｎｇ ａｎｄ Ｐａｔｉｅｎｔ Ｅｎｇａｇｅｍｅｎｔ ｉｎ Ｏｎｌｉｎｅ Ｈｅａｌｔｈ Ｃｏｍｍｕｎｉｔｉｅｓ：Ａｎ Ｉｎｖｅｒｔｅｄ Ｕ－Ｓｈａｐｅｄ Ｒｅｌａｔｉｏｎｓｈｉｐ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ＫｎｏｗｌｅｄｇｅＭａｎａｇｅｍｅｎｔ， ２０２４， ２８ （３）： ７６３－７８８．

［１６］ Ｗａｎｇ Ｊ， Ｙａｏ Ｔ， Ｗａｎｇ Ｙ Ｎ． Ｐａｔｉｅｎｔ Ｅｎｇａｇｅｍｅｎｔ ａｓ Ｃｏｎｔｒｉｂｕｔｏｒｓ ｉｎＯｎｌｉｎｅ Ｈｅａｌｔｈ Ｃｏｍｍｕｎｉｔｉｅｓ： Ｔｈｅ Ｍｅｄｉａｔｉｏｎ ｏｆ Ｐｅｅｒ Ｉｎｖｏｌｖｅｍｅｎｔ ａｎｄＭｏｄｅｒａｔｉｏｎ ｏｆ Ｃｏｍｍｕｎｉｔｙ Ｓｔａｔｕｓ ［Ｊ］． Ｂｅｈａｖｉｏｒａｌ Ｓｃｉｅｎｃｅｓ， ２０２３， １３（２）： １５２．

［１７］ Ｚｈａｎｇ Ｘ， Ｌｉｕ Ｓ． Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｃｏｍｍｉｔｍｅｎｔ ａｎｄＣｏｎｔｉｎｕｏｕｓ Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ ｉｎ Ｏｎｌｉｎｅ Ｈｅａｌｔｈ Ｃｏｍｍｕｎｉｔｉｅｓ： ＡＳｏｃｉａｌ Ｅｘｃｈａｎｇｅ Ｐｅｒｓｐｅｃｔｉｖｅ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｋｎｏｗｌｅｄｇｅ Ｍａｎａｇｅ?ｍｅｎｔ， ２０２２， ２６ （３）： ５９２－６１４．

［１８］ Ａｂｉｄｉｎ Ｚ， Ｈｉｄａｙａｎｔｏ Ａ Ｎ， Ｉｎａｎ Ｄ Ｉ， ｅｔ ａｌ． Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇａｎｄ Ｃｏｍｍｕｎｉｔｙ Ｐｒｏｍｏｔｉｏｎ ｉｎ Ｏｎｌｉｎｅ Ｈｅａｌｔｈ Ｃｏｍｍｕｎｉｔｉｅｓ： Ｅｘａｍｉ?ｎｉｎｇ ｔｈｅ Ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ Ｓｏｃｉａｌ Ｓｕｐｐｏｒｔ， Ｃｏｍｍｕｎｉｔｙ Ｃｏｍｍｉｔ?ｍｅｎｔ， ａｎｄ Ｔｒｕｓｔ Ｔｒａｎｓｆｅｒ ［ Ｍ］． Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉ?ｅｎｃｅ． Ｃｈａｍ： Ｓｐｒｉｎｇｅｒ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐｕｂｌｉｓｈｉｎｇ， ２０２０： ３－１５．

［１９］ 祝琳琳， 李賀， 田聰淼， 等． 價值—態度—行為模型下面向健康產品的選擇意愿影響研究［Ｊ］． 圖書情報工作， ２０２４， ６８（１）： １２７－１３６．

［２０］ 劉蕤， 余佳琪． 在線醫療社區中醫生知識貢獻行為的影響因素研究———基于ＳＥＭ 與ｆｓＱＣＡ 方法［Ｊ］． 情報科學， ２０２２， ４０（３）： ４５－５４， ６２．

［２１］ Ｐａｎａｈｉ Ｓ， Ｗａｔｓｏｎ Ｊ， Ｐａｒｔｒｉｄｇｅ Ｈ． Ｓｏｃｉａｌ Ｍｅｄｉａ ａｎｄ Ｐｈｙｓｉｃｉａｎｓ：Ｅｘｐｌｏｒｉｎｇ ｔｈｅ Ｂｅｎｅｆｉｔｓ ａｎｄ Ｃｈａｌｌｅｎｇｅｓ ［Ｊ］． Ｈｅａｌｔｈ Ｉｎｆｏｒｍａｔｉｃｓ Ｊｏｕｒ?ｎａｌ， ２０１６， ２２ （２）： ９９－１１２．

［２２］ Ｔａｎ Ｓ Ｓ Ｌ， Ｇｏｏｎａｗａｒｄｅｎｅ Ｎ． Ｉｎｔｅｒｎｅｔ Ｈｅａｌｔｈ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｅｋｉｎｇａｎｄ ｔｈｅ Ｐａｔｉｅｎｔ－Ｐｈｙｓｉｃｉａｎ Ｒｅｌａｔｉｏｎｓｈｉｐ： Ａ Ｓｙｓｔｅｍａｔｉｃ Ｒｅｖｉｅｗ ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｍｅｄｉｃａｌ Ｉｎｔｅｒｎｅｔ Ｒｅｓｅａｒｃｈ， ２０１７， １９ （１）： ｅ９．

［２３］ Ａｌｍａｉａｈ Ｍ Ａ， Ａｌ－Ｒａｈｍｉ Ａ Ｍ， Ａｌｔｕｒｉｓｅ Ｆ， ｅｔ ａｌ． Ｆａｃｔｏｒｓ Ｉｎｆｌｕ?ｅｎｃｉｎｇ ｔｈｅ Ａｄｏｐｔｉｏｎ ｏｆ Ｉｎｔｅｒｎｅｔ Ｂａｎｋｉｎｇ： Ａｎ Ｉｎｔｅｇｒａｔｉｏｎ ｏｆ ＩＳＳＭａｎｄ ＵＴＡＵＴ ｗｉｔｈ Ｐｒｉｃｅ Ｖａｌｕｅ ａｎｄ Ｐｅｒｃｅｉｖｅｄ Ｒｉｓｋ ［Ｊ］． Ｆｒｏｎｔｉｅｒｓ ｉｎＰｓｙｃｈｏｌｏｇｙ， ２０２２， １３： ９１９１９８．

［２４］ 金燕， 胡香， 楊瑞仙， 等． 在線健康平臺的信息質量治理現狀及提升策略研究［Ｊ］． 現代情報， ２０２３， ４３ （８）： ７９－９０．

［２５］ 馮翠翠， 易明， 莫富傳． 知識共創視域下健康信息用戶依從意愿的影響機制研究［Ｊ］． 情報科學， ２０２３， ４１ （１）： ３６－４８．

［２６］ Ｂｌｕｔ Ｍ， Ｗａｎｇ Ｃ． Ｔｅｃｈｎｏｌｏｇｙ Ｒｅａｄｉｎｅｓｓ： Ａ Ｍｅｔａ－Ａｎａｌｙｓｉｓ ｏｆＣｏｎｃｅｐｔｕａｌｉｚａｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｏｎｓｔｒｕｃｔ ａｎｄ Ｉｔｓ Ｉｍｐａｃｔ ｏｎ ＴｅｃｈｎｏｌｏｇｙＵｓａｇｅ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｃａｄｅｍｙ ｏｆ Ｍａｒｋｅｔｉｎｇ Ｓｃｉｅｎｃｅ， ２０２０，４８ （４）： ６４９－６６９．

［２７］ Ｄｅｌｏｎｅ Ｗ Ｈ， ＭｃＬｅａｎ Ｅ Ｒ． Ｔｈｅ ＤｅＬｏｎｅ ａｎｄ ＭｃＬｅａｎ Ｍｏｄｅｌ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ Ｓｕｃｃｅｓｓ： Ａ Ｔｅｎ－Ｙｅａｒ Ｕｐｄａｔｅ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆＭａｎａｇｅｍｅｎｔ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ， ２００３， １９ （４）： ９－３０．

［２８］ Ｓｏｒｏｙａ Ｓ Ｈ， Ｆａｒｏｏｑ Ａ， Ｍａｈｍｏｏｄ Ｋ， ｅｔ ａｌ． Ｆｒｏｍ ＩｎｆｏｒｍａｔｉｏｎＳｅｅｋｉｎｇ ｔｏ Ｉｎｆｏｒｍａｔｉｏｎ Ａｖｏｉｄａｎｃｅ： Ｕｎｄｅｒｓｔａｎｄｉｎｇ ｔｈｅ Ｈｅａｌｔｈ Ｉｎｆｏｒ?ｍａｔｉｏｎ Ｂｅｈａｖｉｏｒ Ｄｕｒｉｎｇ ａ Ｇｌｏｂａｌ Ｈｅａｌｔｈ Ｃｒｉｓｉｓ ［ Ｊ］． ＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇ ＆ Ｍａｎａｇｅｍｅｎｔ， ２０２１， ５８ （２）： １０２４４０．

［２９］ Ｌａａｔｏ Ｓ， Ｉｓｌａｍ Ａ Ｋ Ｍ Ｎ， Ｉｓｌａｍ Ｍ Ｎ， ｅｔ ａｌ． Ｗｈａｔ Ｄｒｉｖｅｓ Ｕｎｖｅｒ?ｉｆｉｅｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｈａｒｉｎｇ ａｎｄ Ｃｙｂｅｒｃｈｏｎｄｒｉａ Ｄｕｒｉｎｇ ｔｈｅ ＣＯＶＩＤ－１９Ｐａｎｄｅｍｉｃ？ ［Ｊ］． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ， ２０２０，２９ （３）： ２８８－３０５．

［３０］ 李欣穎． 基于信息質量理論的短視頻平臺用戶購買意向研究［Ｊ］． 情報科學， ２０２３， ４１ （１１）： １０３－１１０．

［３１］ 付少雄， 朱夢蝶， 鄧勝利， 等． 在線平臺競爭功能組合對創作者內容采納的影響研究———來自視頻彈幕類平臺的實證檢驗［Ｊ］． 圖書情報知識， ２０２４， ４１ （１）： ２５－３４．

［３２］ Ｃａｉ Ｓ， Ｌｕｏ Ｑ Ｆ， Ｆｕ Ｘ， ｅｔ ａｌ． Ｗｈａｔ Ｄｒｉｖｅｓ ｔｈｅ Ｓａｌｅｓ ｏｆ ＰａｉｄＫｎｏｗｌｅｄｇｅ Ｐｒｏｄｕｃｔｓ？ Ａ Ｔｗｏ－Ｐｈａｓｅ Ａｐｐｒｏａｃｈ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ＆Ｍａｎａｇｅｍｅｎｔ， ２０２０， ５７ （５）： １０３２６４．

［３３］ 魏潔， 楊正玲． 患者、醫生和系統產生內容對患者擇醫行為的影響［Ｊ］． 管理科學， ２０２２， ３５ （４）： ４４－５６．

［３４］ 楊雨嬌， 袁勤儉． 信息生態理論其在信息系統研究領域的應用及展望［Ｊ］． 現代情報， ２０２２， ４２ （５）： １４０－１４８．

［３５］ Ｓｐｅｎｃｅ Ｍ． Ｓｉｇｎａｌｉｎｇ ｉｎ Ｒｅｔｒｏｓｐｅｃｔ ａｎｄ ｔｈｅ Ｉｎｆｏｒｍａｔｉｏｎａｌ Ｓｔｒｕｃｔｕｒｅｏｆ Ｍａｒｋｅｔｓ ［ Ｊ］． Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ， ２００２， ９２ （ ３）：４３４－４５９．

［３６］ 占南， 毛夢佳． 壓力源—應變—結果視角下個人信息回避行為研究———基于混合方法的實證［Ｊ］． 現代情報， ２０２４， ４４ （１１）：３７－５１．

［３７］ Ｇｕｏ Ｓ Ｓ， Ｇｕｏ Ｘ Ｔ， Ｆａｎｇ Ｙ Ｌ， ｅｔ ａｌ． Ｈｏｗ Ｄｏｃｔｏｒｓ Ｇａｉｎ Ｓｏｃｉａｌａｎｄ Ｅｃｏｎｏｍｉｃ Ｒｅｔｕｒｎｓ ｉｎ Ｏｎｌｉｎｅ Ｈｅａｌｔｈ－Ｃａｒｅ Ｃｏｍｍｕｎｉｔｉｅｓ： Ａ Ｐｒｏ?ｆｅｓｓｉｏｎａｌ Ｃａｐｉｔａｌ Ｐｅｒｓｐｅｃｔｉｖｅ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｉｎｆｏｒｍａ?ｔｉｏｎ Ｓｙｓｔｅｍｓ， ２０１７， ３４ （２）： ４８７－５１９．

［３８］ 唐坤孟， 李勝利， 張倩． 患者在線醫療團隊服務選擇行為影響因素研究———以好大夫在線為例［Ｊ］． 圖書情報工作， ２０２１，６５ （１１）： ３３－４５．

［３９］ Ｍｉｒｚａｅｉ Ｔ， Ｅｓｍａｅｉｌｚａｄｅｈ Ｐ． Ｅｎｇａｇｅｍｅｎｔ ｉｎ Ｏｎｌｉｎｅ Ｈｅａｌｔｈ Ｃｏｍ?ｍｕｎｉｔｉｅｓ： Ｃｈａｎｎｅｌ Ｅｘｐａｎｓｉｏｎ ａｎｄ Ｓｏｃｉａｌ Ｅｘｃｈａｎｇｅｓ ［Ｊ］． Ｉｎｆｏｒｍａ?ｔｉｏｎ ＆ Ｍａｎａｇｅｍｅｎｔ， ２０２１， ５８ （１）： １０３４０４．

［４０］ 付少雄， 朱夢蝶， 鄭德俊， 等． 基于社會資本理論的在線醫療社區醫生知識貢獻行為動因研究［Ｊ］． 情報資料工作， ２０２２，４３ （３）： ６７－７４．

［４１］ Ｈｅ Ｓ， Ｈｏｌｌｅｎｂｅｃｋ Ｂ， Ｐｒｏｓｅｒｐｉｏ Ｄ． Ｔｈｅ Ｍａｒｋｅｔ ｆｏｒ Ｆａｋｅ Ｒｅｖｉｅｗｓ［Ｊ］． Ｍａｒｋｅｔｉｎｇ Ｓｃｉｅｎｃｅ， ２０２２， ４１ （５）： ８７１－１０２７．

［４２］ Ｃａｒｄ Ｄ． Ｄｅｓｉｇｎ － Ｂａｓｅｄ Ｒｅｓｅａｒｃｈ ｉｎ Ｅｍｐｉｒｉｃａｌ Ｍｉｃｒｏｅｃｏｎｏｍｉｃｓ［Ｊ］． Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ， ２０２２， １１２ （６）： １７７３－１７８１．

［４３］ Ｌｕｏ Ｃ， Ｑｉａｎｇ Ｗ， Ｌｅｅ Ｈ Ｆ． Ｄｏｅｓ ｔｈｅ Ｌｏｗ－Ｃａｒｂｏｎ Ｃｉｔｙ Ｐｉｌｏｔ Ｐｏｌｉ?ｃｙ Ｗｏｒｋ ｉｎ Ｃｈｉｎａ？ Ａ Ｃｏｍｐａｎｙ－Ｌｅｖｅｌ Ａｎａｌｙｓｉｓ Ｂａｓｅｄ ｏｎ ｔｈｅ ＰＳＭＤＩＤＭｏｄｅｌ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｍａｎａｇｅｍｅｎｔ， ２０２３， ３３７：１１７７２５．

［４４］ Ｓｉｎｇｈ Ｓ Ｋ， Ｍａｚｚｕｃｃｈｅｌｌｉ Ａ， Ｖｅｓｓａｌ Ｓ Ｒ， ｅｔ ａｌ． Ｋｎｏｗｌｅｄｇｅ－ＢａｓｅｄＨＲＭ Ｐｒａｃｔｉｃｅｓ ａｎｄ Ｉｎｎｏｖａｔｉｏｎ Ｐｅｒｆｏｒｍａｎｃｅ： Ｒｏｌｅ ｏｆ Ｓｏｃｉａｌ Ｃａｐｉｔａｌａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｓｈａｒｉｎｇ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍａｎａｇｅｍｅｎｔ，２０２１， ２７ （１）： １００８３０．

［４５］ 夏蘇迪， 鄧勝利， 汪璠． 在線醫療社區健康科普知識供需匹配研究［Ｊ］． 現代情報， ２０２３， ４３ （７）： ３８－４７．

［４６］ 夏蘇迪， 鄧勝利， 錢倩文， 等． 價值共創視角下在線醫療社區醫生群組劃分與特征分析［Ｊ］． 現代情報， ２０２４， ４４ （２）：９２－１０６．

［４７］ 陸泉， 彭雪瑩． 人智協同對慢性病預防知識采納效率與效果的影響研究———以阿爾茨海默癥為例［ Ｊ］． 情報理論與實踐，２０２３， ４６ （１２）： １０４－１１２．

［４８］ Ｄｕｆｌｏ Ｅ． Ｆｉｅｌｄ Ｅｘｐｅｒｉｍｅｎｔｓ ａｎｄ ｔｈｅ Ｐｒａｃｔｉｃｅ ｏｆ Ｐｏｌｉｃｙ ［ Ｊ］． Ａ?ｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ， ２０２０， １１０ （７）： １９５２－１９７３．

［４９］ Ｍｅｎｇ Ｆ Ｂ， Ｚｈａｎｇ Ｘ Ｆ， Ｌｉｕ Ｌ Ｂ， ｅｔ ａｌ． Ｃｏｎｖｅｒｔｉｎｇ Ｒｅａｄｅｒｓ ｔｏＰａｔｉｅｎｔｓ？ Ｆｒｏｍ Ｆｒｅｅ ｔｏ Ｐａｉｄ Ｋｎｏｗｌｅｄｇｅ－Ｓｈａｒｉｎｇ ｉｎ Ｏｎｌｉｎｅ ＨｅａｌｔｈＣｏｍｍｕｎｉｔｉｅｓ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ ＆ Ｍａｎａｇｅｍｅｎｔ， ２０２１，５８ （３）： １０２４９０．

［５０］ Ｚｈａｎｇ Ｘ Ｆ， Ｇｕｏ Ｆ， Ｘｕ Ｔ Ｘ， ｅｔ ａｌ． Ｗｈａｔ Ｍｏｔｉｖａｔｅｓ Ｐｈｙｓｉｃｉａｎｓｔｏ Ｓｈａｒｅ Ｆｒｅｅ Ｈｅａｌｔｈ Ｉｎｆｏｒｍａｔｉｏｎ ｏｎ Ｏｎｌｉｎｅ Ｈｅａｌｔｈ Ｐｌａｔｆｏｒｍｓ？ ［Ｊ］．Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ ＆ Ｍａｎａｇｅｍｅｎｔ， ２０２０， ５７ （２）： １０２１６６．

（責任編輯： 郭沫含）

基金項目： 國家自然科學基金重點項目“國家區域發展戰略下的創新生態系統發展理論與政策研究” （項目編號： ７２０３４００２）； 國家自然科學基金面上項目“基于科學共同體知識大圖的隱性合作關系發現與深度挖掘” （項目編號： ７２０７４１７２）。