数据收集采用实验环境下的参与者观察。这种方法是合适的，因为为了检查信息偏好对参与者与搜索引擎交互时行为的影响，有必要控制所使用的搜索任务和系统。通过向一所大型研究型大学的学生、教师、职员和校友发送邮件列表招募了40名健康信息的普通消费者(即先前在网上搜索过健康信息的人)。40名参与者的年龄在18-55岁之间(平均25.0，标准差8.5)，其中10%(4/40)在18- 20岁之间，78%(31/40)在20 - 30岁之间，13%(5/40)在30 -55岁之间。每个参与者得到15美元的补偿。

参与者使用两个接口之一( 图1):(1)经典的Web搜索引擎界面或(2)支持分散/收集的搜索界面。这两个接口都基于Bing API(应用程序编程接口);当用户在任何一个界面中输入关键字时，这些关键字都会被发送到必应，搜索结果会从必应(微软的网络搜索引擎)中检索出来。经典的界面类似于一般的Web搜索引擎。它的特点是一个简单的关键词搜索框，搜索结果显示为一个相关性排名列表。

“分散/收集”界面有相同的搜索框，但结果根据它们的主题相似性被分组到集群中，集群按大小排序(即每个集群中包含的结果的数量)。一组关键字也与每个集群一起出现[ 34］．之所以选择支持分散/收集的界面，是因为它的聚类功能以及关键字可能有助于减少消费者在使用医学术语时的困难。

定义了两种类型的任务:简单查找和探索。查找任务旨在查找特定的与健康相关的事实，而探索性任务则面向学习、调查和理解特定的健康问题。采用这种分类是因为它可以有效地描述健康信息请求的目标和复杂性[ 35］．创建了四个模拟搜索任务——两个查找任务和两个探索任务，如图所示 表1．

为了确保这些任务反映了消费者在现实生活中搜索的一般健康信息，前三个任务来自“Yahoo!”Answers”，这是一个社交问答网站，消费者在这里发布问题和/或回答同行发布的问题[ 36］．最后一个任务改编自为测试基于medline的医疗文档集合而设计的任务集[ 37］．此外，在两个试验阶段，我们要求参与者对任务进行评论。两人都认为这些任务是他们在现实生活中可能会做的事情。

数据收集是在一个私人实验室进行的。到达后，主持人向参与者介绍了研究的概况，并要求每位参与者阅读并签署一份知情同意书。在此之后，参与者完成了一份调查问卷，报告人口统计数据，以及他们使用网络和健康信息搜索的经验。然后他们被要求完成MBSS和KHOS-I量表。MBSS由四个假设的压力情境组成，每个情境后面都有八个陈述性陈述，其中四个反映监控行为，四个反映钝化行为。参与者被指示检查所有适用于他们的陈述[ 11］．kos - i由七个项目组成，衡量人们被告知的愿望和他们收集信息的愿望。参与者以强制选择的形式将他们的答案分为“同意”或“不同意”。得分越高表明更需要寻求有关其健康问题的信息[ 12］．这两种测量方法已在许多研究中使用，并显示出可接受的信度和效度[ 6， 8］．

在完成两个量表后，参与者被随机分配到两个界面中的一个。结果，20名参与者使用经典搜索界面，20人使用分散/收集界面。每个参与者使用其中一个界面完成所有四个任务。任务的呈现顺序是随机的，以减少学习效果。在搜索开始之前，参与者观看了一段视频教程，演示他们被分配到的界面的基本功能。在搜索过程中，当他们从结果列表中查看一个网站时，他们会被提示按照李克特7分制对该网站的相关性和有用性进行排名(1=不相关，7=相关;1=没用，7=有用)。评分，以及搜索查询和访问的网站，都被搜索系统自动记录下来。

在完成每项任务后，参与者要完成一份简短的问卷，评估任务的难度、所需的脑力劳动以及他们对自己表现的满意度(李克特5分制)。Camtasia软件以视频格式记录了每次搜索过程。在完成所有四项任务后，参与者填写了一份问卷，评估他们对所使用系统的整体体验。调查问卷包括用户对系统易用性和有用性的看法，他们对系统如何工作的理解，他们的享受和参与程度，以及他们未来使用系统的意图。评分量表为李克特5分制(1=完全不同意，5=完全同意)。衡量易用性和有用性的项目改编自先前的研究[ 38， 39］．剩下的每个方面都用一个单项来衡量。在会议结束时，参与者被要求对搜索任务和他们执行任务的行为进行评论。每次1-1.5小时。

自变量是信息偏好，用MBSS和kos - i来衡量。对于MBSS，分别计算monitor和blunt评分[ 11］．每个参与者的监测得分由检查的监测项目数量(M)相加确定，钝化得分由检查的钝化项目数量(B)相加确定。库德-理查德森公式20测试[ 40]用于检验两个子量表的内部一致性。结果表明，这两个分量表对本研究的参与者都不可靠(监测分量表:Cronbach alpha=.53;钝化子尺度:Cronbach alpha=.35)。因此，在MBSS测量的基础上没有进行进一步的分析，这与之前的研究相似[ 27， 41］．

KHOS-I分数是通过将参与者检查的表示信息渴望的项目数量相加来确定的。kos - i的库德尔-理查德森20系数为0.77，表明该量表与本研究参与者具有足够的内部一致性。因此，基于KHOS-I量表进行了进一步的分析。描述性统计显示，本研究样本的KHOS-I平均得分为4.3 (SD 2.1)。使用中位数分割将参与者分为两组[ 42]:得分高于中位数的人属于高偏好组，得分等于或低于中位数的人属于低偏好组。两组在KHOS-I评分上存在显著差异( t₃₈= 7.7, P=措施)。

因变量包括参与者的搜索行为，他们对任务和任务表现的看法，以及他们对搜索系统的经验。搜索行为由搜索过程中涉及的典型操作来操作[ 32， 43]，包括(1)会话长度，(2)查询行为(提交的查询数量、查询长度和查询重新表述)，以及(3)结果访问(浏览的网站数量、被评为相关的网站数量和被评为有用的网站数量);当一个网站在1-7李克特量表上的评分大于4时，就被认为是相关或有用的)。这些数据记录在事务日志中。查询重构的分析遵循Rieh和Xie [ 44]，由Zhang等修改[ 45］．结果拓扑包括基于语义变化的五种类型的查询重构:(1)规范(参与者指定上一个查询的含义)，(2)泛化(参与者概括上一个查询的含义)，(3)平行移动(参与者将上一个查询中的一个概念替换为新概念，两个查询的含义有部分重叠)，(4)新概念移动(参与者转换为新概念，新查询与前一个查询不重叠)，(5)重新措辞(参与者在不改变意思的情况下，通过改变查询的形式来重新措辞之前的查询，例如纠正拼写错误和将之前的查询重新措辞为问题)。两个独立的编码员，作者和一个训练有素的研究生，编码了所有的查询重构实例;编码器间可靠性为98.5%。分歧通过讨论解决了。

参与者对搜索任务和任务表现的感知是通过他们在任务难度、精神努力和完成每个任务后的任务表现上的评分来衡量的。他们使用搜索系统的体验是通过在每次搜索会话结束时执行的用户体验问卷上的评分来衡量的。将数据导入SPSS进行统计分析。

一系列的 t测试表明，两个界面组在人口统计学(包括年龄、性别、计算机经验和健康信息搜索经验)上没有差异，在搜索行为、任务感知和搜索系统经验的任何测量上也没有差异[ 45］．此外，双向方差分析(方差分析)表明，界面和信息偏好之间没有显著的相互作用(由kos - i测量)。由于本文的重点是信息偏好的影响，为了简化表示，将两个接口组集中在一起进行进一步的数据分析。然后, t测试被用来调查信息偏好的影响。统计显著性水平设定为0.05。

表2总结了两个信息偏好群体(高偏好和低偏好)的人口统计数据，以及他们的KHOS-I分数和他们的健康信息搜索经验。卡方检验显示两组无性别差异(χ²₁= 1.44, P=。31)。也 t测试表明，他们在年龄、网络经验或健康信息搜索经验(搜索健康信息的年份和频率)方面也没有差异。此外，所有的参与者都已经或正在获得大学学位，两组在教育水平上没有差异。

表7显示了两组人对任务难度的感知，完成任务所需的精神努力，以及他们对自己表现的满意度。的 t测试表明，两组人对简单查找任务的感知没有差异，但在探索性任务上发现了一个差异:高偏好组比低偏好组认为探索性任务更难( t₃₈= 2.01, P= . 05)。

表8显示了两组在研究中使用的搜索系统的经验。的 t测试表明，两组人对搜索系统有用性的看法不同，低偏好组认为搜索系统更有用( t₃₈= 2.18, P= .04点)。

本研究探讨了个性因素，信息偏好，对一般消费者的健康信息搜索行为的影响，对他们对任务和表现的看法，以及对他们对搜索系统的体验。在之前的研究中，信息偏好主要是在患者-提供者互动的背景下进行调查，以预测患者向提供者寻求信息的行为，并告知可以帮助患者应对压力的干预措施[ 30.， 46］．这项研究的贡献在于，它超越了传统的环境，将消费者与基于web的搜索引擎进行交互，以获取健康信息。这个扩展是重要的，因为搜索健康信息已成为最受欢迎的在线活动之一[ 47]而网上发现的信息对消费者的医疗保健决策的影响越来越大[ 1］．讨论围绕两个主题展开:(1)信息偏好的测量;(2)信息偏好对消费者健康信息搜索行为的影响及其对系统设计的影响。本文还讨论了本研究的局限性。

参与者对信息的偏好通过MBSS和KHOS-I来衡量。监测分量表和钝化分量表都具有较差的内部一致性，这表明MBSS在测量消费者在Web环境中搜索健康信息时寻求或避免信息的倾向方面的可靠性较低。造成这一结果的原因可能有几个。首先，样本量很小。这项研究只有40名参与者。其次，MBSS有其固有的局限性。正如其他研究人员所批评的那样，MBSS中的场景是假设的。尤其是“被一群武装恐怖分子挟持为人质”的场景，与大多数人的生活经历相去甚远。 48， 49］．此外，该量表的有效性也受到质疑[ 50］．例如Barsevick和Johnson [ 20.]的研究发现，对于接受阴道镜检查的患者来说，MBSS并不是一个敏感的信息偏好指标。第三个因素可能是这项研究背景的性质。在大多数先前的研究中，MBSS应用于危及生命的医疗情况(如癌症和心脏病)和/或正在进行压力医疗程序(如阴道镜检查和活组织检查)的患者[ 13， 20.， 27］．在这项研究中，参与者是一般的健康信息消费者，场景是日常性质的，不太危及生命。随着越来越多的消费者上网获取健康信息，MBSS在预测人们信息偏好方面的适用性值得进一步研究。

相比之下，kos - i具有足够的可靠性(Cronbach alpha=.77)。这可能是因为kos -I最初的设计是为了衡量个人在日常和一般医疗保健环境中寻求信息的倾向，这在量表中的陈述中得到了很好的反映，例如:“在体检期间，我通常会向医生或护士询问很多关于程序的问题。”该量表的可靠性水平与此相似，不仅适用于患有特定疾病的群体，如癌症，[ 9， 51]、心肌梗塞[ 52]，以及牙齿问题[ 46]，也适用于一般健康资讯消费者，例如本科生[ 12］．在本研究中，平均KHOS-I为4.3(0-7量表)，说明本研究的参与者对信息的偏好相对较高，这可能与参与者的年龄较小和整体受教育水平较高有关。

我们还发现MBSS和KHOS-I不相关，这与之前的两项研究一致[ 20.， 49］．对此的一个潜在解释是，本研究参与者的MBSS可靠性较低。另一个原因可能是两个量表很可能测量不同的结构[ 20.］．

信息搜索涉及三个主要因素:用户、任务和系统[ 32］．为了了解信息偏好对健康信息搜索的影响，我们测量了参与者的搜索行为(会话长度、查询公式和结果访问)，评估了他们对任务的看法(难度、脑力和表现)，以及他们对研究中使用的搜索系统的体验(易用性、有用性、对系统工作机制的理解、乐趣、参与度和对系统未来使用的预期)。

对信息偏好程度不同的参与者在其中几项测量上存在显著差异。首先，查询的长度不同。在完成查询任务时，高偏好组提交的查询的平均长度明显短于低偏好组提交的查询。一种可能的解释是，对信息偏好较低的参与者渴望尽快得到正确答案，因此他们试图使搜索查询尽可能具体，而偏好较高的参与者愿意做一些探索，因此提交了更一般的查询。对实际查询的检查显示，低偏好组提交的许多查询都是完整的问题(例如，“如果有人心脏病发作了该怎么办”)，而不是关键词，这进一步支持了这种猜测。

第二个区别是查询重新表述的模式。在完成探索性任务时，高偏好组的平行动作比例明显高于低偏好组，而低偏好组的新概念动作比例明显高于高偏好组。在平行运动中，参与者替换前一个查询中的一个概念，使两个查询在意义上有部分重叠;在新概念运动中，参与者转换为一个新概念，新查询与前一个查询不重叠。这一结果表明，在探索与健康相关的主题时，对信息偏好高的人可能更有可能采取步骤逐步探索概念之间的关系，而那些偏好低的人可能更有可能逐个研究概念。这一结果进一步表明，对信息有高偏好的人可能会对手头的医疗问题产生更复杂的心理表征，而对信息有低偏好的人可能会简化问题，从而产生相对不那么复杂的概念表征。先前关于患者-提供者互动的研究表明，对信息有高度偏好的患者通常会向提供者提出更多的问题[ 12， 15， 20.］．然而，很少有研究调查问题的性质，问题之间的关系，以及高偏好患者提出的问题是否涉及更多的概念。在未来的研究中，需要定性研究来阐明这些研究问题，这也将有助于解释本研究的结果。

同样，对信息有高偏好的患者倾向于向提供者询问更多问题，这一发现自然会导致这样一种预期，即在搜索健康信息时，特别是在探索性任务中，高偏好的参与者可能会比低偏好的参与者向系统提交更多的查询并访问更多的搜索结果。然而，在本研究中没有观察到这样的结果。一个可能的解释是这项研究的实验性质。参与者在执行分配的任务，而不是他们自己的任务。采用自然的数据收集方法，例如事务日志分析，将有助于阐明信息偏好与搜索查询数量和访问的搜索结果之间的关系。另一种解释是，高偏好的参与者，比低偏好的患者，可能拥有更强的处理检索信息的能力。因此，他们并没有提交更多的查询和检查更多的结果，而是获得了更多的信息。未来的研究可能会通过比较低偏好组和高偏好组在搜索过程后的学习结果来验证这一猜测。

两组之间的第三个区别是参与者对任务难度的看法。高偏好组认为探索性任务明显比低偏好组更难。这种关系并不适用于查找任务，因为查找任务涉及寻找事实信息。这一发现也可能归因于高偏好组为探索性任务发展出的可能更复杂的心理表征。

第四个差异是参与者对搜索系统有用性的看法。高偏好组认为系统比低偏好组更没用，这似乎与他们对探索性任务难度的看法一致。有可能是高偏好组对任务困难的感知使他们对解决他们需求的系统效用不太满意。在患者-提供者互动的背景下也发现了类似的结果。例如，Timmermans等人[ 15]报告说，在姑息性意图的癌症治疗中，高监督者报告对治疗决定有更多的怀疑，对所收到的信息不太满意，而高直率者表达的怀疑较少，满意度较高。

这些结果表明，信息偏好对消费者与健康信息搜索系统的互动有影响。如前所述，先前的研究一致表明，当信息干预与接受者对信息的偏好一致时，在患者-提供者相遇中最有效[ 53］．我们很自然地假设，健康信息搜索系统在根据个人信息偏好量身定制时可能是最有用和最有效的。本研究结果可为系统设计提供一些启示。例如，对于那些对信息偏好不高的人，系统可以提供一个“自然”的用户界面，允许他们用自然语言编写查询(即长查询或问题格式的查询)，而不是人为的关键字[ 54]，以满足他们提出非常具体的查询的需要。同时，系统应提高其处理长查询的能力[ 55］．在显示结果时，系统可以在结果列表的顶部显示最具体的查询结果，或者推荐一个更具体的查询列表。对于那些有高偏好的人，该系统可以让他们探索概念之间的关系，并推荐新的但相关的概念(基于医学辞典或查询日志的挖掘)，以适应他们发展复杂概念网络的倾向。在推荐查询时，可以同时提供更一般和更特定的查询，以便灵活地进行探索。此外，系统可以提供以可视化方式显示搜索结果的功能，使用户能够探索结果中涉及的概念之间的关系(例如，树状图视图或概念的网络视图)。在本研究中，Scatter/Gather接口基于主题相似度对结果进行聚类，并提供了一组关键词来表示每个聚类，但未能说明概念之间的关系。这可能是分散/收集界面在支持搜索方面与基本搜索界面没有区别的原因之一。

这项研究也有局限性。首先，样本主要由受过高等教育和具有较高计算机素养的人组成;因此，结果的泛化性是有限的。未来的研究应该将样本扩大到计算机和健康知识水平较低的人群，以及患有特定疾病的患者，如癌症和糖尿病。这类研究可以为根据服务不足群体的需要调整信息系统提供信息。其次，测量的搜索行为变量数量有限，这直接限制了我们对信息偏好对消费者健康信息搜索行为影响范围的理解。在未来的研究中，研究人员应检查与消费者行为相关的内容，例如，所检查的内容(例如，循证医学研究vs用户生成的内容)和所访问的网站类型(例如，商业网站vs学术网站)，以检查对信息的偏好是否具有影响。第三，本研究中使用的任务分为查找任务和探索任务。未来的研究可探讨对与健康相关的搜索任务进行分类的其他方法，例如根据搜索的目标(例如，寻求诊断、治疗或医疗设施)[ 56］．此外，本研究只涉及四个搜索任务，每个类别两个。未来的研究可以尝试包含更多的搜索任务，以进一步减少其他任务特征(如主题)对人们搜索行为的可能影响。

个性特征，信息偏好，显示出对一般消费者的健康信息搜索行为的影响，他们的任务困难的看法，他们的经验与搜索系统。与低信息偏好者相比，高信息偏好者在信息搜索方面付出了更大的努力。这些努力并没有表现在行为层面(例如，提交更多的搜索查询或检查更多的搜索结果)，而是更多地表现在概念层面，那些偏好较高的人在搜索特定的事实信息时更有可能使用更一般的查询，并对探索性健康问题产生更复杂的心理表征，并尝试不同的概念组合来探索这些问题。因此，高偏好用户对系统的要求也更高。这些发现提示系统开发人员在设计健康信息搜索系统时应考虑用户对信息的偏好。为了进一步提高我们对消费者健康信息搜索行为的认识，并为更有效的系统设计提供信息，还应该研究其他人格因素，如控制位点对信息搜索的影响。