随着移动互联网和Web2.0的发展以及重大突发公共卫生事件的频发,利用移动应用进行健康信息辨识成为常态。但是,社会大众日益高涨的健康信息需求与不断增强的健康信息辨识难度这对矛盾逐渐突显。健康信息辨识意图体现用户在健康信息辨识过程中的认知发展,其不仅反映出用户的健康信息需求,还有助于解释用户的健康信息辨识行为。基于眼动追踪技术分析和预测健康信息辨识意图可以剖析健康信息辨识行为规律,促进健康信息服务平台或系统理解用户认知,从而满足个性化健康信息需求并提供帮助以提升健康信息服务满意度。因此,本研究招募了 24名受试者进行健康信息辨识实验,以获得健康信息辨识过程中的意图和眼动数据。在实验过程中,Tobii眼动仪和录屏软件分别记录了受试者对4条健康信息进行辨识的眼动数据和过程信息。为实现意图与辨识过程的紧密关联,受试者根据录屏文件陈述健康信息辨识过程中每一动作的意图,形成健康信息辨识意图文本数据。在这些原始数据的基础上,利用文本转录、健康信息辨识意图编码、兴趣区划分和眼动数据预处理四个步骤得到可供分析的健康信息辨识意图数据。基于已有数据,本研究使用描述性统计、Mann-Whitney U检验和马尔可夫法对健康信息辨识意图及其眼动特征进行分析。结果表明,保存记录、后续搜索和发起搜索是频次最高的健康信息辨识意图,而不同健康信息辨识阶段和次序影响健康信息辨识意图,由此得到健康信息辨识意图的过程特征。眼动特征可以进一步区分健康信息辨识意图。根据兴趣区总访问次数,可以将健康信息辨识意图的眼动路径分为自信型和犹豫型,其反映出健康信息辨识意图与其眼动路径的主客观协同过程。在健康信息辨识意图分析中发现的过程特征和眼动特征为健康信息辨识意图预测提供依据。进而,本研究根据健康信息辨识意图的过程特征和眼动特征,使用决策树、随机森林和ExtraTrees三种对特征进行随机组合的方法以及召回率、精确率和F1三种指标对健康信息辨识意图进行分类和评价,发现随机森林对于健康信息辨识意图分类的效果更好。对比欠采样、过采样、类均衡法和类别权重法处理小样本类别的预测结果,发现过采样方法对于均衡健康信息辨识意图的小样本类别效果最好。研究结果在理论层面上拓宽了健康信息辨识意图研究的理论和方法视角,在实践层面有助于健康信息服务平台或系统理解用户认知并提供高质量健康信息,从而提升用户健康信息辨识效率。