论文推荐 Vol. 31｜我们如何在网上判断信息可信？——Metzger 的网络可信度研究综述
Metzger, 2007 | JASIST
概要
当我们在网上读到一条信息时，凭什么决定信不信它？加州大学圣芭芭拉分校传播系的 Miriam Metzger 2007 年发表在 Journal of the American Society for Information Science and Technology 上的这篇综述，系统整理了传播学与信息素养领域关于”在线信息可信度评估”的全部已知知识：教育者推荐的评估标准、用户实际采用的判断策略、几种主流的认知模型，以及在此基础上为教育实践、工具开发和未来研究开出的药方。
文章的核心张力在于一个尴尬的事实：教育者精心设计的可信度核查清单（核查作者资质、验证信息时效、寻找权威背书……）在理论上无懈可击，但实证研究一致表明用户根本不愿花这个力气——跨五个样本的调查显示，所有核查行为的频率都只停留在”很少”到”偶尔”之间；而被最少执行的那个动作（核实作者资质），恰恰是对确立可信度最重要的那个。更具讽刺意味的是，用户实际最倚重的判断依据根本不在五大标准之内：网站的设计与视觉呈现。基于这些发现，Metzger 提出了一个双重加工模型：动机与能力决定了用户走”系统/中枢路径”还是”启发式/边缘路径”来评估可信度——这为后来十几年信息可信度、乃至虚假信息研究奠定了重要的理论基础。
为什么网络时代的可信度成了问题
可信度（credibility）指信息及其来源的”可相信程度”。自 Hovland 以来，说服研究就把它理解为一个多面向的概念：两个主要维度是专业性（expertise）与可信赖性（trustworthiness），辅以来源吸引力等次级因素。关键的一点是，可信度本质上是一种接收者判断——它既包含对信息质量的客观评估，也包含对来源的主观感知。
互联网把这个问题推到了前台。数字化大幅降低了信息生产与传播的成本：过去，大规模出版需要权威与资本的门槛，内容必然经过专业把关人过滤；而在网络环境中，几乎任何人都可以成为作者，传统权威标识（作者身份、既有声誉）常常缺席，信息还可能被轻易篡改、剽窃、冒名发布。Burbules 还指出过一种”拉平效应”（leveling effect）：所有信息都以相似的网页格式呈现，在用户心中仿佛站到了同一条可信度起跑线上。当时的网络健康信息研究已经证实了这种担忧——在线健康信息的质量参差不齐，大量内容不准确、不完整。
结果是：互联网让批判性评估信息变得前所未有地重要，同时把可信度把关的责任从专业把关人肩上转移到了每个信息寻求者身上。而证据显示，许多人并没有准备好承担这个责任。
数字素养运动与五大标准
问题被识别后，美国图书馆协会、国家素养研究所等机构很快推动了”数字素养”（digital literacy）运动，目标是帮助用户掌握批判性评估在线信息的技能。其起点是一个朴素的判断：评估网络信息所需的技能与评估其他渠道信息大体相同。由此，文献提炼出用户应当使用的五大标准：
- 准确性（accuracy）：网站是否有错误，信息能否离线核实；
- 权威性（authority）：作者是谁，是否提供联系方式，其资质、资格与所属机构如何，是否有可信来源推荐；
- 客观性（objectivity）：网站的目的是什么，提供的是事实还是观点，是否存在商业意图或利益冲突（例如，是否理解搜索结果中”赞助链接”的含义）；
- 时效性（currency）：信息是否及时更新；
- 覆盖度（coverage）：信息的全面性与深度如何。
清单方法的困境：用户根本不照做
基于五大标准的培训项目通常把每个标准展开成一串核查问题（”网站是否标明最近更新时间？”“是否列出电话或地址等联系方式？”），让用户逐条核对。问题在于，这种清单方法对单个用户来说太费时费力——有一份清单甚至要求用户为每个网站回答 112 个问题。
实证证据支持了这个担忧。Metzger 与 Flanagin 在 1999–2001 年间用五个样本（三个大学生样本、两个普通成年网民样本，N = 274–718）系统测量了九种核查行为的使用频率。
结果在五个样本中惊人地一致（表 1）：所有九种行为的频率都只介于”很少”与”偶尔”之间。用户最常做的是检查信息时效、判断是否事实而非观点、检查信息完整性——这些都是最容易、只需主观判断的动作；最少做的则是核实作者资质、查看联系方式、确认作者身份——都需要额外努力，哪怕只是极小的一点。最刺眼的发现是：被执行得最少的”核实作者资质”，恰恰可能是确立可信度最重要的一步。
采用不同方法的研究得出了同样的结论。Scholz-Crane（1998）让 21 名大学生以短文形式评价两个网站的质量，内容分析发现多数人只用了五大标准中的两个（覆盖度与准确性），只有 6 人考虑过客观性，更少有人考察权威性；不少人仅凭单一标准就下了最终判断。
三个替代模型
清单方法之外，文献中还存在几种不同的评估模型。
Fritch 与 Cromwell 的”认知权威”模型主张在作者、文档、机构与隶属关系四个层面迭代评估，再整合为对网站”认知权威”的总体判断。它比清单更强调技术工具的辅助——例如用 Whois、Traceroute、NSlookup 等工具查明网站所有者和隐藏的机构关联。
Walthen 与 Burkell 的三阶段模型则把评估拆成三步：先由表面特征（视觉呈现、可用性、信息组织）形成对网站可信度的整体印象；再评估内容（来源的专业性与可信赖性、信息的时效与相关性）；最后纳入用户的认知状态——信息需求、认知需求、先验知识，以及可用时间等情境因素。这个模型的突出贡献是把接收者个体差异正式引入了评估过程：可信度判断是情境性的。
Meola 的情境模型走得最远，它几乎是对清单方法的反叛。Meola 认为清单对普通用户完全不现实，并提出一个关键区分：今天的网络要分成”免费网”（free Web）与”付费网”（fee-based Web）——后者包括经专业审核的订阅数据库、权威期刊和全国大报的全文内容，可信度的把关已经由专业机构完成。对付费网，教育者的正确做法是直接告诉用户有哪些高质量资源、怎么使用（类似医生给病人开”信息处方”）；对免费网，则用比较（与其他网站及线下来源对照）与佐证（多源印证）两项技术，把判断锚定在信息的外部社会情境中，而不是网站内部的蛛丝马迹上。
用户实际上依据什么判断
如果说前述模型告诉我们用户”应该”怎么做，那么另一批研究揭示了用户”实际”怎么做。文献提出的可能影响可信度判断的因素多达二十余项（表 2），但真正考察用户实际行为的研究屈指可数，结论却相当一致。
Eysenbach 与 Kohler（2002）的研究揭示了一个意味深长的言行差距：焦点小组中，21 名健康信息寻求者声称自己最看重来源是否权威、页面是否引用科学文献、设计是否专业、语言是否易懂；但在观察环节，大多数人使用了自己不熟悉的网站，却没有一个人去查看来源信息或数据的编制过程。更令人不安的是搜索后的访谈——”很少有参与者注意到、事后记得自己是从哪个网站获取信息的，也不知道网站背后是谁”。
皮尤互联网项目（2002）关于在线健康信息的研究结论相近：过度商业化、可信第三方背书、网站设计，以及用户判断信息来源与时效的能力，是评估健康网站可信度最重要的标准。
Rieh（2002）用出声思考法追踪了 15 名学者在学术研究、健康、旅行、购物四类搜索任务中的评估过程，发现参与者的判断基于两类标准：信息对象的特征（类型、内容深度、呈现、结构）与来源的特征（声誉、来源类型，如 .com 还是 .edu）。
规模最大的证据来自 Fogg 等人（2003）的在线实验：2,648 名参与者评价多个真实网站，研究者分析他们的评论文本，归纳出四类被提及的因素。排在首位的是网站呈现——视觉设计、易读性、导航与功能（46% 的评论提到），其后依次是信息内容（组织、深度、准确性、偏见、写作质量）、来源动机（销售意图、广告、赞助方标识）与来源声誉（知名度、既往经验、认证标志）。
综合这批研究，两个发现格外醒目。第一，时效性这个五大标准之一几乎无人问津——尽管许多网页底部标着更新时间（这一结果与 Metzger 自报调查中”查时效最常用”的发现矛盾，作者认为这恰恰说明自报与观察两种方法会得出不同结论，可信度研究必须方法多元）。第二，用户最倚重的标准根本不在教育者推荐的五大标准之列：设计与呈现元素成了可信度判断的首要依据。这个发现令人不安——它意味着包装精美的网站可以轻易骗取信任。
教育与工具的两条出路
基于以上综述，Metzger 为实践开出了两条互补的药方。
教育层面，清单不能弃用，但必须改革。核心原则是贴合用户的动机与目的，采用”滑动标尺”式教学：在错误信息后果严重的场景（如查医疗方案、写研究论文），教用户使用清单式与情境式的严格评估；在低风险的日常浏览中，则教一些简单的启发式规则（如查看来源与赞助方信息）。”何时该用哪种方法”本身也要成为教学内容——这种教学在多数搜索场景中对用户要求更低，因而更现实。此外，数字素养教育应优先覆盖最脆弱的群体（用网络学习的学生、查治疗信息的病人），并把阵地从课堂和图书馆咨询台扩展到用户日常接触的入口——作者设想建设一个分层级的”网络可信度”综合资源站，并与主流门户和搜索引擎建立链接。
工具层面，如果用户不愿出力，那就让系统替他们评估。作者盘点了一批技术与制度方案：
- 可信度认证标志（seal programs）：仿照 TRUSTe、BBB 和健康领域的 HONcode，由可信第三方为遵守行为准则（如必须标明作者与更新信息）的网站颁发标志，利用用户本来就有的”快速视觉判断”习惯；
- 可信度评级系统：由机构或同行对网站按权威、时效、客观性等标准系统打分，存于中央数据库，或以浏览器图标形式自动呈现；面向特定领域（如健康）由专家 panel 评级更可行；
- 经审核的数据库与目录：LexisNexis、JSTOR 等付费库之外，图书馆员索引（Librarian’s Index to the Internet）、政府健康门户（Medline Plus）都是现成样板。Google 本身就是个有趣案例——它的流行部分源于内建的可信度度量：高入链网站的入链数。Google Scholar 与当时正在开发中的 Google News 可信度排序算法（按媒体从业年限、员工规模、分社数量等指标排名）都是这一思路的延伸；
- PICS 标签与数字签名：用 W3C 的 PICS 平台给内容贴上质量标签供用户过滤（如健康领域的 MedPICS/medCERTAIN 项目）；用密码学数字签名确证作者身份与内容未被篡改——尽管对合著、机构署名或无署名的网页并不适用；
- 协同过滤与同伴评审：如果上述方案都因成本、盈利或自愿遵守的困境而难以落地，那么把可信度评估变成集体任务可能是最现实的路——epinions、BizRate、eBay、Amazon 的用户评价系统都是雏形。作者提醒这类系统难免偏见与操纵（亚马逊曾有作者匿名自评吹捧自己），并推崇 Slashdot 精心设计的互评机制作为克服偏见的样板。
可信度的双重加工模型
文章最重要的理论贡献在结尾处提出。Metzger 指出，既有模型几乎都漏掉了一个关键变量：用户动机。并非所有网页都值得严格核查，不同搜索任务动用不同的评估过程——这意味着可信度评估不应被概念化为单一的评估流程。
社会心理学中的双重加工理论（精细加工可能性模型 ELM、启发式—系统模型 HSM 等）恰好提供了框架：当人们有动机（信息后果与个人利害攸关）且有能力（时间、知识、理解力）时，会深入加工信息、仔细审视论证；动机或能力不足时，则依赖表面线索做启发式判断。
Metzger 据此提出网络可信度评估的双重加工模型（图 1）：接触网页后，用户首先面临”有无评估动机”的分叉——动机源于接受低质量信息的后果严重性；没有动机则不评估，径直形成（可能是默认的）可信度判断；有动机则进入”有无评估能力”的第二道分叉——能力关乎评估知识与技能；有能力者走系统/中枢路径，超越表面特征去核查内容、作者与来源；能力不足者则退回启发式/边缘路径，靠设计与视觉线索做判断。
这个模型同时解释了”用户何时会严格评估”与”评估时用什么线索”：无聊时刷球队新闻的人不会评估，或只看页面设计；刚拿到诊断书的病人、赶论文的学生、分析市场的企业主则会深入核查。它也把前文的教育建议理论化了：清单方法适用于高动机场景，启发式规则适用于低动机场景，而教育的一大抓手正是提升动机——让用户意识到网络错误信息的代价。
结语：十八年后的回声
Metzger 用一句话收束全文：”互联网并没有改变评估信息可信度所需的技能，它改变的是人们需要在何时、以何种方式动用这些技能。”重读这篇近二十年前的综述，许多判断惊人地长寿：用户懒惰于核查、设计胜过内容的倾向，在社交媒体与短视频时代被进一步放大；她设想的认证标志、专家评级、协同过滤，今天以事实核查标签、媒体评级机构、社区注释（Community Notes）的形态遍地开花；而”付费网 vs. 免费网”的区分，在算法信息流时代演化成了”被平台排序过的信息 vs. 主动搜寻的信息”的新问题。双重加工模型则早已成为虚假信息干预研究（从”准确性提示”到”预防性接种”）的理论底座之一。这篇综述最持久的提醒或许是：指望人人成为侦探是不现实的——好的可信度治理，是在承认人类认知吝啬的前提下，为高风险的判断场景设计恰到好处的脚手架。
原文信息
文献来源： Metzger, M. J. (2007). Making sense of credibility on the web: Models for evaluating online information and recommendations for future research. Journal of the American Society for Information Science and Technology, 58(13), 2078–2091.
原文链接： https://doi.org/10.1002/asi.20672