📄 health informatics

Digital Health Adoption, eHealth Literacy, and Trust in AI Among Generation Z University Students in Sri Lanka: An Empirical Study

Diese Studie zeigt, dass Studierende der Generation Z in Sri Lanka zwar über eine hohe eHealth-Literacy verfügen und zunehmend KI für Gesundheitsinformationen nutzen, ihre Nutzung digitaler Gesundheitsdienste jedoch durch erhebliche Datenschutzbedenken und eine beständige Präferenz für traditionelle persönliche Konsultationen eingeschränkt bleibt.

Ursprüngliche Autoren: Athukorala, S. C.

Veröffentlicht 2026-07-28✓ Author reviewed ⓘ

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Athukorala, S. C.

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

Stellen Sie sich die Welt des Gesundheitswesens wie eine riesige, belebte Bibliothek vor. Jahrzehntelang war der einzige Weg, ein Buch (oder medizinischen Rat) zu erhalten, ein Spaziergang zu einem bestimmten, ruhigen Schreibtisch, an dem ein Bibliothekar (ein Arzt) saß und bei der Hilfe stand. Doch vor kurzu ist die Bibliothek durch neue Technologien förmlich explodiert: Selbstbedienungs-Terminals, leuchtende Tablets und sogar ein superintelligenter Roboter-Bibliothekar, der Ihnen Ihre Fragen sofort zuflüstern kann. Dies ist das Reich der Digitalen Gesundheit, in dem Apps, Websites und künstliche Intelligenz (KI) versuchen, uns dabei zu helfen, unser Wohlbefinden zu verwalten, ohne dass wir unsere Couch verlassen müssen.

Zwei große Ideen helfen Wissenschaftlern zu verstehen, warum Menschen diese neuen Werkzeuge nutzen (oder ignorieren). Die erste ist die eHealth-Literacy, was nur eine schicke Art der Frage ist: „Wissen Sie, wie man online gute Gesundheitsinformationen findet, und können Sie erkennen, ob sie echt oder gefälscht sind?“ Das zweite ist die Technologieakzeptanz, die fragt: „Erscheint Ihnen dieses Werkzeug nützlich und ist es einfach zu bedienen, ohne dass Sie davon Kopfschmerzen bekommen?“ Wir kümmern uns darum, weil, obwohl alle sagen, junge Menschen seien „Digital Natives“ (mit Smartphones in den Händen geboren), wissen wir eigentlich nicht, ob sie diesen digitalen Werkzeugen genug vertrauen, um einen echten Arzt zu ersetzen, besonders in Ländern wie Sri Lanka, wo die Bibliothek noch dabei ist, ihre neuen Flügel zu bauen.

Die Geschichte der Digital-First-Generation in Sri Lanka

Ein Forscher namens Susith Athukorala beschloss, hinter den Vorhang zu blicken, um zu sehen, was wirklich mit den Gen-Z-Universitätsstudierenden in Sri Lanka passiert. Betrachten Sie diese Studie als eine riesige, digitale „Aufruf zur Abstimmung“-Umfrage. Der Forscher befragte 172 Universitätsstudierende (meist aus privaten Colleges und überwiegend aus den Bereichen Medizin oder Gesundheit) zu einer Reihe von Fragen darüber, wie sie mit ihrer Gesundheit umgehen.

Die Überraschung der „Digital Natives“
Die Studierenden waren überraschend versiert. Sie erreichten hohe Werte bei der „eHealth-Literacy“ (einen Durchschnitt von 3,84 von 5), was bedeutet, dass sie im Allgemeinen zuversichtlich darin sind, Gesundheitsinformationen online zu finden und zu verstehen. Tatsächlich gaben 86,6 % von ihnen zu, in den letzten sechs Monaten im Internet nach Gesundheitsantworten gesucht zu haben.

Aber hier ist der Plot Twist, der alle Aufmerksamkeit erregte: KI ist der neue Lieblingsdetektiv.
Während Google immer noch der beliebteste Ort für die Suche war (84,3 %), war die zweitbeliebteste Quelle nicht YouTube oder soziale Medien. Es waren generative KI-Tools wie ChatGPT und Gemini, die von 57,6 % der Studierenden genutzt wurden! Das ist mehr als die 44,2 %, die YouTube-Videos nutzten. Es scheint, dass diese Studierenden, wenn sie eine Gesundheitsfrage haben, öfter dem KI-Roboter-Bibliothekar vertrauen als dem Video-Kanal. Interessanterweise nutzten Medizinstudierende diese KI-Tools noch häufiger als Studierende anderer Fachrichtungen.

Die „Vertrauenslücke“
Nur weil sie die Werkzeuge nutzen, bedeutet das jedoch nicht, dass sie ihnen auch vollkommen vertrauen.

Das KI-Zögern: Während sie KI für die Suche nutzen, ist ihr Vertrauen in die KI, tatsächliche medizinische Empfehlungen abzugetätigen, gering (ein Durchschnitt von 3,15 von 5). Sie behandeln die KI wie einen schnellen Faktenprüfer, nicht wie einen endgültigen Richter.
Die Datenschutzsorge: Die Hälfte der Studierenden (50,0 %) ist besorgt darüber, dass ihre persönlichen Daten gestohlen oder missbraucht werden könnten.
Die „Echte-Arzt-Präferenz“: Trotz all der coolen Technik sagten 76,7 % der Studierenden immer noch, dass sie lieber einen Arzt persönlich vor Ort sehen würden, als eine digitale Plattform für eine Konsultation zu nutzen.

Was bringt sie zum Klicken?
Die Studie nutzte einige mathematische Verfahren (eine sogenannte Regressionsanalyse), um herauszufinden, was einen Studierenden tatsächlich dazu treibt, eine digitale App gegenüber einer physischen Klinik vorzuziehen. Es stellt sich heraus, dass es nicht nur darum geht, wie „nützlich“ sie die App finden. Die zwei größten Treiber sind:

Einfachheit der Nutzung: Wenn die App sperrig oder schwer zu verstehen ist, werden sie sie nicht nutzen.
Vertrauen in die KI: Wenn sie glauben, dass die Vorschläge der KI sicher sind, ist die Wahrscheinlichkeit höher, dass sie den digitalen Weg wählen.

Überraschenderweise führte eine hohe „eHealth-Literacy“ (das Wissen, wie man sucht) nicht direkt dazu, dass sie digitale Besuche bevorzugten. Sie mögen zwar wissen, wie man das Internet nutzt, aber das macht sie nicht automatisch bereit, einen echten Arzt gegen einen Bildschirm einzutauschen.

Die Hindernisse und der Fahrplan
Die Studie fand heraus, dass die Hauptgründe, warum Studierende nicht zu digitaler Gesundheit wechseln, folgende sind:

Sie bevorzugen es einfach, mit einem echten Menschen zu sprechen (76,7 %).
Sie haben Angst vor Datenschutzverletzungen (50,0 %).
Sie wissen gar nicht, welche lokalen digitalen Dienste existieren (43,6 %).

Um dies zu beheben, schlägt die Arbeit vor, dass die Apps, falls Sri Lanka möchte, dass mehr Studierende digitale Gesundheit nutzen, unglaublich einfach zu bedienen sein müssen und das System kristallklar darüber sein muss, wie es private Daten schützt. Sie schlagen auch einen „Hybrid“-Ansatz vor: die Nutzung von KI für schnelle Antworten, aber mit einem echten Arzt, der die Arbeit überprüft, bevor sie als medizinischer Rat zählt.

Das Fazensummen
Die Arbeit kommt zu dem Schluss, dass die Gen-Z-Studierenden in Sri Lanka bereit und willens sind, digitale Werkzeuge zu nutzen, und dass sie bereits KI verwenden, um etwas über ihre Gesundheit zu lernen. Aber sie sind noch nicht bereit, den menschlichen Arzt ganz aufzugeben. Sie wollen ein System, das einfach zu bedienen ist, ihre Geheimnisse schützt und die Geschwindigkeit der KI mit der Sicherheit eines echten medizinischen Fachmanns kombiniert. Bis diese Brücken gebaut sind, bleibt die persönliche Konsultation der König des Schlosses.

Technischer Zusammenfassung: Adoption digitaler Gesundheitstechnologien, eHealth-Literacy und Vertrauen in KI unter Universitätsstudierenden der Generation Z in Sri Lanka

Problemstellung

Trotz der rasanten globalen Integration digitaler Gesundheitstechnologien (mHealth, Telemedizin und KI) sind empirische Daten zur deren Adoption bei den „Digital Natives“ der Generation Z in Ländern mit niedrigem oder mittlerem Einkommen (LMICs) spärlich vorhanden. Insbesondere mangelt es an einem Verständnis darüber, wie junge Erwachsene in südasiatischen Kontexten, wie etwa Sri Lanka, die Schnittstelle zwischen hoher digitaler Kompetenz, aufkommenden KI-Tools und traditionellen Gesundheitspräferenzen navigieren. Während sich die Infrastruktur weiterentwickelt hat (z. B. nationale Telekonsultationskanäle), bleibt die systematische Nutzung dieser Tools zur Selbstfürsorge und medizinischen Entscheidungsfindung durch Universitätsstudierende untererforscht. Zu den wesentlichen Lücken gehören der Einfluss des KI-Vertrauens auf die breitere Akzeptanz digitaler Gesundheit sowie spezifische Barrieren – wie etwa der Datenschutz und kulturelle Präferenzen für die Face-to-Face-Interaktion –, die eine vollständige Adoption behindern.

Methodik

Die Studie verwendete ein quantitatives, querschnittliches Survey-Design, das zwischen März 2025 und März 2026 durchgeführt wurde.

Teilnehmer: Eine Convenience- und Snowball-Sampling-Methode lieferte 172 gültige Antworten von Universitätsstudierenden der Generation Z (im Alter von 18–26 Jahren) in ganz Sri Lanka. Die Kohorte war überwiegend weiblich (65,1 %), eingeschrieben in Medizin-/Gesundheitswissenschaften (73,8 %) und besuchte Privatuniversitäten (94,8 %).
Instrumentierung: Die Umfrage nutzte adaptierte, validierte Instrumente:
- eHealth Literacy Scale (eHEALS): Eine 8-stufige Skala zur Messung der Selbstwirksamkeit beim Auffinden, Bewerten und Anwenden digitaler Gesundheitsinformationen.
- Technology Acceptance Model (TAM): Erfasste die wahrgenommene Nützlichkeit (Perceived Usefulness, PU), die wahrgenommene Benutzerfreundlichkeit (Perceived Ease of Use, PEOU), die Verhaltensabsicht (Präferenz für digitale vs. physische Versorgung) sowie das Vertrauen in KI-Empfehlungen und das Vertrauen in den Datenschutz.
- Health Information National Trends Survey (HINTS): Erfasste Online-Suchverhalten, die Vertrauenswürdigkeit von Quellen und spezifische Bedenken.
Statistische Analyse: Die Daten wurden mittels Python (pandas, statsmodels) verarbeitet. Die Reliabilität wurde über Cronbachs Alpha bestätigt (eHEALS $\alpha=0,863$ ; TAM $\alpha=0,800$ ). Die Analyse umfasste deskriptive Statistiken, Chi-Quadrat-Tests ( $\chi^2$ ) zur Unabhängigkeit, Pearson-Korrelationen und Ordinary Least Squares (OLS) multiple lineare Regressionsmodelle zur Identifizierung von Prädiktoren für die Präferenz digitaler Plattformen und der wahrgenommenen Nützlichkeit.

Kernergebnisse

1. Hohe Literacy und Nutzen, geringes Vertrauen in KI:
Die Teilnehmer zeigten eine hohe allgemeine eHealth-Literacy (Mittelwert = 3,84 ± 0,58) und eine starke Befürwortung der Nützlichkeit digitaler Gesundheit (Mittelwert = 3,99 ± 0,59). Jedoch erzielte die „Variable Vertrauen in KI-Empfehlungen“ den niedrigsten Wert unter allen TAM-Konstrukten (Mittelwert = 3,15 ± 0,89).

2. Aufkommen von Generativer KI als primäre Informationsquelle:
Während Google/Websuche die am häufigsten genutzte Quelle blieb (84,3 %), etablierten sich Generative KI-Tools (ChatGPT, Gemini, Copilot) als zweithäufigster Kanal (57,6 %) und übertrafen damit YouTube (44,2 %), medizinische Websites (27,3 %) und soziale Medien (26,2 %). Medizinstudierende nutzten KI-Tools signifikant häufiger als ihre nicht-medizinischen Kommilitonen (67,2 % vs. 37,8 %; $\chi^2=8,70, p=.003$ ).

3. Prädiktoren der digitalen Plattformpräferenz:
Eine multiple lineare Regression (Modell 1, $R^2 = .352$ ) identifizierte, dass die Präferenz für digitale Plattformen gegenüber physischen Besuchen signifikant durch folgende Faktoren vorhergesagt wurde:

Wahrgenommene Benutzerfreundlichkeit (PEOU): $\beta = 0,371, p = .001$
Vertrauen in KI-Empfehlungen: $\beta = 0,370, p < .001$
Bemerkenswerterweise waren die eHealth-Literacy-Scores und die wahrgenommene Nützlichkeit keine direkten unabhängigen Prädiktoren für die Präferenz, physische Besuche zu ersetzen. In Modell 2 war die eHealth-Literacy jedoch der stärkste Prädiktor für die wahrgenommene Nützlichkeit ( $\beta = 0,625, p < .001$ ).

4. Barrieren und Enabler:

Primäre Barriere: Eine starke Präferenz für Face-to-Face-Konsultationen (76,7 %) und Bedenken hinsichtlich der Datensicherheit (50,0 %).
Primäre Enabler: Einfachheit der Nutzung/Zugänglichkeit (52,3 %), professionelle Empfehlungen (50,6 %) und erschwingliche/kostenlose Dienste (45,9 %).
Online-Bedenken: Fehlinformationen/Fake News (70,3 %) und Datenschutzrisiken (55,2 %) waren die Hauptbedenken.

Wesentliche Beiträge

Empirische Evidenz im LMIC-Kontext: Die Studie liefert seltene empirische Daten zum digitalen Gesundheitsverhalten der Generation Z in Sri Lanka und stellt die Annahme infrage, dass hohe digitale Kompetenz automatisch eine hohe Adoption digitaler klinischer Versorgung bedeutet.
KI-Nutzungsmuster: Sie dokumentiert einen signifikanten Wandel in der Suche nach Gesundheitsinformationen, bei dem konversationelle KI traditionelle Video- und Social-Media-Plattformen insbesondere unter Studierenden der Gesundheitswissenschaften abgelöst hat.
Entkopplung von Literacy und Adoption: Die Ergebnisse zeigen eine nuancierte Beziehung auf, in der hohe eHealth-Literacy zwar die Wahrnehmung der Nützlichkeit steigert, aber nicht direkt die Präferenz zum Ersatz physischer Konsultationen vorantreibt. Stattdessen sind Interface-Einfachheit (PEOU) und das spezifische Vertrauen in KI die entscheidenden Gatekeeper für die Adoption.
Datenschutz als strukturelle Barriere: Die Studie quantifiziert Datenschutzbedenken als primäres Hindernis, das in seiner Gewichtung der kulturellen Präferenz für die physische Interaktion gleichgestellt ist.

Bedeutung und Behauptungen

Die Arbeit behauptet, dass Generation-Z-Studierende in Sri Lanka zwar eine hohe digitale Bereitschaft und eine erhebliche Abhängigkeit von KI zur Informations-Triage aufweisen, dies jedoch nicht einer Bereitschaft gleichkommt, vollständig auf eine rein digitale Versorgung umzustellen. Die Autoren argumentieren, dass die Lücke zwischen hoher wahrgenommener Nützlichkeit und niedriger Adoptionsrate nicht durch die Steigerung der Literacy, sondern durch die Adressierung der Interface-Einfachheit und des Vertrauens in KI-Empfehlungen geschlossen werden muss.

Die Studie kommt zu dem Schluss, dass die institutionelle Implementierung digitaler Gesundheit in Sri Lanka über reine Standalone-Apps hinausgehen und hin zu hybriden klinischen Workflows führen muss. Diese Systeme müssen automatisierte digitale Bequemlichkeit mit professioneller medizinischer Aufsicht integrieren, um Ängste bezüglich des Datenschutzes zu mildern und die kulturellen Erwartungen an die Face-to-Face-Interaktion zu erfüllen. Die Autoren betonen, dass ohne transparente Datenverwaltung (im Einklang mit dem Sri Lanka Personal Data Protection Act) und „Clinician-in-the-loop“-KI-Systeme eine hohe eHealth-Literacy allein nicht ausreichen wird, um die Barrieren einer breiten Adoption digitaler Gesundheit zu überwinden.

Hinweis: Die Studie räumt Einschränkungen ein, einschließlich einer Stichprobenverzerrung zugunsten von Privatuniversitäten und Medizinstudierenden, der Querschnittsnatur, die keine kausale Inferenz zulässt, sowie der Abhängigkeit von Selbstauskünften.