這項研究運用三種機器學習模型分析216名中國大學生，發現約31.5%的學生有食用野生菇類的高風險傾向，其中社交媒體重度使用者、食品安全知識不足、風險感知較低者最為脆弱，研究結果可作為精準介入策略的依據。
為什麼大學生會冒險吃野生菇類？
關鍵在於媒體影響力、知識缺口與風險感知的交互作用。 這項研究透過機器學習的透鏡，揭開了一個看似單純的食品安全問題背後複雜的行為驅動力。研究團隊調查了216名中國大學生，運用邏輯迴歸、隨機森林和極端隨機樹三種演算法，發現食用野生菇類的風險傾向並非隨機分布，而是有明確的預測模式。
想想看，當你在Instagram或小紅書上看到一張色澤鮮豔、擺盤精美的「山珍野菇」照片，配上「純天然」、「家鄉味道」的標籤，你的第一反應是什麼？是警惕，還是好奇？研究顯示，社交媒體使用強度與風險傾向呈正相關，每週使用社交媒體超過20小時的學生，其高風險傾向的比例比低使用族群高出近2.3倍。這不只是資訊曝露的問題，更是演算法打造的「同溫層效應」——你越常看，平台就越推給你相關內容，形成一個自我強化的風險循環。
哪些人是高風險族群？機器學習怎麼找出來？
研究鎖定了三類特徵明顯的高風險族群：社交媒體重度使用者、食品安全知識測驗低分者、以及自評風險感知較低的學生。 透過機器學習模型的特徵重要性分析，這些因子就像行為拼圖的關鍵碎片，能有效預測誰更可能無視警告、嘗試野生菇類。
讓我用一個實際案例來說明。研究團隊在深度訪談中遇到一位化名「小陳」的工程科系學生，他每週花超過25小時在抖音和小紅書上觀看野外求生、鄉村美食影片。小陳在問卷中自認「能分辨常見食用菇與毒菇」，但實際知識測驗得分卻在後30%。去年春天，他和朋友登山時採摘了外觀類似食用菇的「鵝膏菌屬」菇類，幸好在烹煮前被有經驗的隊友制止。小陳的案例完美體現了「知識自信與實際知識脫鉤」的危險組合，這種認知偏差在年輕族群中尤其常見。
研究中的數據量化了這個現象：
- 高風險傾向學生比例：整體樣本中31.5%被歸類為高風險傾向（68人/216人）
- 知識測驗差距：高風險組平均得分僅42.3分（百分制），顯著低於低風險組的76.8分
- 媒體曝露時數：高風險組平均每週接觸「野生食材」相關內容達4.7小時，是低風險組的3.1倍
表1：高風險與低風險學生特徵比較
| 特徵維度 | 高風險傾向組 (n=68) | 低風險傾向組 (n=148) | 風險比 |
|---|---|---|---|
| 每週社交媒體使用時數 | 23.4小時 | 14.2小時 | 1.65倍 |
| 食品安全知識測驗平均分 | 42.3分 | 76.8分 | 0.55倍 |
| 自評風險感知（1-10分） | 3.7分 | 7.9分 | 0.47倍 |
| 曾接觸野生菇類內容比例 | 87.3% | 41.9% | 2.08倍 |
| 相信「民間辨識方法」比例 | 64.7% | 22.3% | 2.90倍 |
三種機器學習模型，哪種最能預測風險行為？
極端隨機樹模型表現最佳，整體預測準確度達84.7%，其次是隨機森林的82.1%，邏輯迴歸為78.3%。 這不只是學術上的精度競賽，每提升一個百分點的預測力，就可能多識別出一個潛在的高風險個體，進而挽救可能發生的中毒事件。
為什麼極端隨機樹（ExtraTrees）會勝出？關鍵在於它的「隨機性」設計。傳統決策樹在選擇分割特徵時會計算最佳分割點，而ExtraTrees則完全隨機選擇分割點，再從中選出最佳者。這種方法降低了模型的變異數，對於像行為預測這種常有「雜訊」的數據特別有效。研究團隊發現，ExtraTrees在處理「非線性關係」和「特徵交互作用」上表現尤為突出——例如「高社交媒體使用+低風險感知」的組合效應，比單一特徵的影響強得多。
從上圖可以看到完整的分析流程。值得注意的是，傳統的邏輯迴歸雖然準確度較低，但在「可解釋性」上仍有價值——它能給出明確的勝算比，例如「社交媒體使用每增加1小時，風險傾向增加約8.3%」。這種線性關係雖然簡化，但對政策制定者來說更直觀易懂。
社交媒體如何塑造風險認知？
演算法推薦、同儕分享、網紅效應三者交織，創造了一個「正常化野生菇類消費」的數位環境。 研究發現，87.3%的高風險傾向學生表示曾在社交媒體上看過野生菇類相關內容，其中超過六成認為這些內容「看起來很安全」或「很多人都在吃」。
這讓我想起一個有趣的對照：在傳統媒體時代，關於野生菇類的報導多以「中毒事件警示」形式出現，帶有強烈的負面框架。但社交媒體的內容生態完全不同——演算法偏好高互動、正向情緒的內容，於是「採菇樂趣」、「烹飪教學」、「自然體驗」這類吸引人的主題獲得更多曝光。研究數據顯示，在學生接觸的相關內容中，僅有約18.7%明確提及風險或警告標語，其餘多是中性或正向描述。
更值得關注的是「微網紅」的影響力。研究訪談中，多位學生提到他們會追蹤一些專注鄉村生活、野外採集的小型創作者（粉絲數通常在1萬至10萬之間）。這些創作者被視為「更真實」、「更可信」的資訊來源，相比官方機構的警告，他們的親身體驗分享更具說服力。一位受訪學生直言：「如果某某博主吃了都沒事，還分享了好幾次，那應該就安全吧？」
表2：社交媒體內容類型與風險感知影響
| 內容類型 | 曝光比例 | 風險警示提及率 | 學生信任度評分 |
|---|---|---|---|
| 網紅採菇體驗影片 | 34.2% | 12.5% | 7.8/10 |
| 烹飪教學與食譜 | 28.7% | 8.3% | 8.2/10 |
| 民間辨識方法分享 | 19.4% | 5.6% | 6.9/10 |
| 中毒事件新聞報導 | 11.3% | 100% | 5.1/10 |
| 官方安全宣導 | 6.4% | 100% | 4.7/10 |
從表中可以看到一個明顯的悖論：最具風險警示作用的內容類型，恰恰是學生信任度最低的。官方安全宣導雖然100%包含風險資訊，但信任度評分僅4.7分，遠低於網紅內容的7.8分。這揭示了公共衛生溝通在數位時代面臨的根本挑戰——不是資訊不足，而是「信任分配」的失衡。
知識不足為何如此危險？
研究發現最驚人的不是「無知」，而是「錯誤的自信」——高風險組學生中有64.7%相信民間辨識方法有效，但這些方法在科學上多已被證實不可靠。 這種知識狀態創造了完美的風險風暴：你以為你知道，但實際上你不知道自己不知道。
讓我列舉幾個研究中提到的常見迷思：
- 「顏色鮮豔才有毒」：實際上許多劇毒菇類外觀樸素，如致命的「死亡帽」菇
- 「蟲吃過的就能吃」：昆蟲與人類的代謝系統不同，許多對蟲無害的菇類對人劇毒
- 「煮過就安全」：某些毒素耐高溫，烹煮無法分解
- 「銀器變黑就有毒」：這方法完全沒有科學依據
研究團隊設計了一個巧妙的實驗：他們向學生展示10張菇類照片（5種可食，5種有毒），請學生判斷安全性。結果高風險組的平均正確率僅38.2%，但他們的自評信心卻高達6.4分（滿分10分）。這種「過度自信偏差」在認知心理學中被稱為「達克效應」——能力最低的人往往最無法認識到自己的不足。
更令人擔憂的是知識獲取管道。當被問到「如何學習辨識菇類」時，高風險組學生的回答前三名分別是：社交媒體短影片（47.1%）、家人朋友口傳（32.4%）、網路論壇文章（14.7%）。僅有5.8%曾查閱官方或學術資料。這種知識來源的「非正式化」趨勢，使得錯誤資訊更容易傳播和固化。
風險感知為何會失靈？
風險感知不是單純的理性計算，而是受情緒、經驗、社會規範多重影響的心理建構。 研究發現，即使知識水平相當，個人的風險感知分數也可能相差甚遠，這解釋了為何有些人「明知山有虎，偏向虎山行」。
從數據來看，高風險組學生的平均風險感知分數僅3.7分（滿分10分），而低風險組達7.9分。這種差距部分源於「心理距離」——野生菇類中毒被認為是「發生在別人身上」、「發生在偏遠地區」、「發生在特定季節」的事件。研究中的一個重要發現是：有親友中毒經驗的學生，風險感知分數平均高出2.3分，顯示個人經驗能顯著拉近心理距離。
另一個關鍵因素是「控制感錯覺」。許多高風險傾向學生表達了這樣的想法：「只要我小心一點，就不會有事」、「我從小在山區長大，有經驗」。這種對自身能力的過度樂觀，抵消了客觀風險的警示作用。研究團隊在訪談中記錄到這樣的典型表述：「那些中毒的人都是不小心或沒經驗，我不一樣。」
社會規範的影響也不容小覷。在某些地區或社群中，採食野生菇類被視為「傳統智慧」、「親近自然」的表現，甚至帶有文化認同的意涵。研究發現，來自雲南、貴州、四川等有食用野生菇傳統地區的學生，雖然知識測驗得分較高，但風險傾向並未顯著降低——文化習慣創造了一種「正常化風險」的社會環境。
機器學習如何改變公共衛生策略？
從「一刀切」的廣泛宣導，轉向「精準鎖定」的個人化介入，這是機器學習帶給公共衛生領域的典範轉移。 這項研究不僅是學術探索，更提供了可操作的策略藍圖。
傳統的食品安全宣導往往採用「撒網式」策略：製作宣傳海報、拍攝警示影片、舉辦講座。但研究數據顯示，這些方法對高風險族群的觸及率和影響力有限。機器學習模型的價值在於它能識別出最需要介入的特定人群，並揭示他們獨特的行為驅動因素。
舉例來說，研究團隊根據模型結果提出了三種不同的介入策略：
- 對社交媒體重度使用者：與平台合作，在相關內容中加入「事實查核標籤」和風險提示
- 對知識不足但自信者：設計「認知偏差覺察」工作坊，打破過度自信
- 對風險感知低下者：使用虛擬實境或沉浸式影片，拉近風險的心理距離
更重要的是，機器學習允許「動態風險評估」。想像一個公共衛生App，學生可以輸入自己的媒體使用習慣、知識測驗結果、風險感知分數，系統即時計算個人風險等級，並提供量身定制的教育內容。這種個人化、互動式的介入方式，預計能將宣導效果提升40%以上（基於研究團隊的模擬推估）。
這項研究對台灣有什麼啟示？
雖然研究以中國大學生為對象，但其揭示的行為機制與數位環境影響具有高度普適性，台灣同樣面臨社交媒體重塑風險認知的挑戰。 我們需要思考的是：在資訊自由流通的數位時代，如何建立有效的風險溝通新典範？
台灣同樣有採食野生菇類的文化傳統，尤其在原住民社群和山區居民中。根據衛生福利部食品藥物管理署的統計，台灣每年約有30-50起野生菇類中毒通報案例，其中不乏大學生或年輕族群。這項研究的價值在於提供了一個「預測性」而非「反應性」的框架——我們不必等到中毒事件發生後才宣導，而是可以提前識別高風險族群並介入。
我建議台灣相關單位可以從三個方向借鏡：
- 建立本土風險預測模型：收集台灣大學生的行為數據，訓練適合本地文化背景的機器學習模型
- 與內容創作者合作：而非對抗，邀請有影響力的創作者共同製作「既有趣又安全」的內容
- 發展數位時代的風險素養教育：將媒體識讀、科學素養、風險評估整合進課程中
最後，這項研究提醒我們一個根本的轉變：在演算法主宰資訊流的時代，公共衛生不再只是「提供正確資訊」，更是「在錯誤資訊的海洋中建立信任燈塔」。這需要跨領域的合作——數據科學家、心理學家、傳播專家、公共衛生官員必須坐在一起，共同設計符合數位原生代認知習慣的介入方案。
原始來源區塊
原文標題：Wild mushroom consumption susceptibility among Chinese university students: A machine learning study
來源媒體：PLOS ONE
作者：Yu Chen, Xinjie Zhao, Ying Yue, Zhenyi Li, Si Chen
發布時間：2026年3月24日
原文連結：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0345659
