Adolescents' online health information seeking: Trust, e-health literacy, parental influence, and AI-generated credibility
Notice bibliographique
Résumé
Adolescents increasingly turn to online sources for health information, raising concerns about the credibility of information and its impact on their behaviors. This study explores the factors shaping adolescents' online health information seeking (OHIS) behaviors. The study surveyed 381 adolescents to assess trust in online health information, eHealth literacy, parental behaviors, and AI-generated credibility scores. Structural Equation Modeling (SEM) was used to analyze data and test hypotheses based on the Social Cognitive Theory. Trust in online health information positively influenced disease-related OHIS behaviors (β = 0.24, p < 0.05) and fitness-related OHIS behaviors (β = 0.18, p < 0.05). Higher eHealth literacy correlated with increased disease-related OHIS behaviors (β = 0.32, p < 0.05) and fitness-related OHIS behaviors (β = 0.28, p < 0.05). Parental OHIS behaviors influenced adolescents' disease-related OHIS behaviors (β = 0.16, p < 0.05) and fitness-related OHIS behaviors (β = 0.22, p < 0.05). Parental OHIS mediation positively mediated these relationships (H7, H8). Higher AI-generated credibility scores associated with more disease-related OHIS behaviors (β = 0.20, p < 0.05) and fitness-related OHIS behaviors (β = 0.15, p < 0.05). Adolescents' eHealth literacy mediated these relationships (H11, H12). Trust, eHealth literacy, parental influence, and AI-generated credibility play vital roles in shaping adolescents' OHIS behaviors. Educators should prioritize enhancing eHealth literacy and promoting credible online sources to improve adolescents' health information seeking practices. This study contributes insights into the factors influencing adolescents' OHIS behaviors, emphasizing the role of parental mediation and AI-generated credibility scores. The findings inform the development of targeted health education interventions to encourage responsible online health information seeking among adolescents.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».