【記者 王雯玲／高雄 報導】空腹運動到底好不好？維他命怎麼補才對？高蛋白飲食適不適合自己？過去遇到健康問題，許多人習慣先「Google一下」，如今卻可能直接詢問ChatGPT、Gemini、Claude，甚至閱讀搜尋頁面的AI摘要。當生成式AI成為取得健康資訊的新入口，使用者為什麼會相信AI？資訊來源又該如何呈現，才能讓人願意查證？國立中山大學資訊管理學系助理教授李怡珍、碩士生謝佳臻，攜手國立臺灣大學資訊管理學系暨研究所副教授彭志宏、香港城市大學資訊系統學系教授謝俊霖組成跨校、跨國研究團隊，探討AI健康資訊呈現方式如何影響使用者信任、查證與採納意願，研究論文從數百篇投稿中脫穎而出，獲PACIS 2026「最佳短篇論文」亞軍（Best Short Paper–Runner Up）。

這項研究從日常健康疑問出發，探討「當AI告訴你一件健康資訊，你為什麼會相信？」研究團隊比較不同引用來源的呈現方式，觀察使用者如何判斷AI答案可信度、是否願意進一步查證，以及最後是否採納AI提供的資訊。

研究特別聚焦「No-Belief」使用者，也就是面對特定健康議題時，原本沒有明確立場、也不確定自身知識是否足夠的人。李怡珍表示，過去確認偏誤研究多著眼於使用者原有立場與資訊是否一致，但實際收集樣本時發現，許多人面對空腹運動、高蛋白飲食等常見健康議題，根本沒有明確答案。「這些人可能經常聽到相關資訊，卻不確定自己的知識是否足夠，所以才會去問AI。」這群處於「不知道該相信什麼」狀態的使用者，也因此成為研究團隊關注的對象。

為貼近實際使用情境，研究團隊自行架設研究網站，模擬Google AI摘要介面，讓受試者先評估自己對健康議題的原有立場，再接觸AI生成答案，比較相同資訊在不同引用呈現方式下，使用者是否更容易理解、查找與核對原始資料。

研究另一項重要概念是「驗證摩擦力（verification friction）」，指使用者查證AI答案時所需付出的時間與心力。例如引用來源是否容易看見、能否快速找到原始資料，以及內容是否容易理解。若使用者必須點擊多個頁面、花時間翻找資料才能確認答案，查證的「摩擦力」就會增加。

研究團隊指出，AI提供引用來源，不代表使用者一定會主動查證；介面設計同樣可能影響資訊使用行為。當來源清楚、容易找到且便於理解，有助降低查證門檻；反之，若查證過程繁瑣，即使AI附上來源，使用者也可能直接接受眼前答案。研究因此將焦點從「AI有沒有提供證據」，延伸至「使用者能不能方便使用這些證據」。

這項研究延續李怡珍長期關注的健康資訊可信度議題，研究脈絡從多重來源可信度、搜尋引擎資訊，延伸至資訊品質、網站系統設計、UI／UX與確認偏誤。隨著搜尋引擎逐步導入AI摘要，生成式AI成為新的資訊入口，研究也進一步關注AI如何呈現資訊，以及使用者如何據此做出判斷。（圖／記者王雯玲翻攝）