AI时代健康信息质量：全球传播生态中的信任、可信度与信息获取重塑

1. Executive Summary

1. AI对信息获取机制的颠覆：AI信息层通过语义理解和知识表示，重塑了公众获取健康信息的路径，要求传播系统从“信息发布”转向“信息理解与调用”。 解释：AI不再是信息的简单传递者，而是信息被结构化、检索和解释的新的中介层。
2. 信任来源的结构性偏移：在面对AI生成内容的泛滥时，公众对人际或专业机构来源的信任依然存在显著差异，这预示着信任的“锚点”正在从单纯的“权威性”转向“可感知性”。 解释：虽然AI内容丰富，但人类研究表明，在健康领域，人际来源（如医疗提供者）仍能引发更强的行为意图和担忧的共鸣。
3. 信息质量的普适性指标：无论在何种文化或经济背景下，信息质量的核心价值依然聚焦于清晰度、可访问性和来源识别度，这些是跨文化信息有效性的基础。 解释：这些特征是信息被有效处理的先决条件，是AI时代内容有效性的底层约束。
4. 传播系统的适应性挑战：传播系统正经历从中心化发布到多元化入口，再到AI辅助理解的系统性转变，这对传统信息验证和分发链条提出了结构性要求。 解释：这种转变要求传播实践必须关注如何将内容设计与AI的理解模式相匹配，而非仅仅关注内容的广度。

2. Research Background

为什么研究这个问题？

本研究旨在探讨在AI技术深度介入信息生态的背景下，健康传播领域中关于“信息质量”的认知结构如何演变。随着数字媒体和AI生成内容的爆发，公众如何评估信息的“质量”——这种质量标准是否会随信息来源（人类 vs. AI）发生结构性变化？研究的紧迫性在于，不明确信息质量的评估标准，将导致信任危机和健康行为决策的偏差。

行业背景

全球健康信息正经历从传统媒体主导到多渠道、AI驱动的复杂环境转变。一方面，数字健康素养的提升在不同经济水平国家表现出显著的差异，这直接影响了信息接收的质量和有效性（van Kessel et al., 2022）。另一方面，AI生成内容的普及，使得信息获取的“速度”和“广度”空前增加，但也同时挑战了传统上依赖“机构权威”来确立信息质量的传统认知。

技术变化

核心技术变化在于AI的信息层（AI Information Layer）的崛起。AI不再仅提供内容，它通过检索（Retrieval）、实体识别（Entity Recognition）、语义理解（Semantic Understanding）和知识表示（Knowledge Representation）等机制，改变了人类对信息“意义”的构建方式。这使得信息质量的评估标准，必须纳入对“AI生成内容如何被结构化理解”的考量。