移动技术的迅速发展和公共卫生事件的高发使移动健康信息辨识成为热点。信息有用性预测能够帮助信息服务平台理解用户认知、掌握用户信息偏好,从而提供优质健康信息服务以支撑用户的移动健康信息辨识。基于手势、眼动追踪等通道行为的信息有用性预测可以直观反映用户的心理态度,以解决主观数据的认知偏差问题。因此,本研究以移动健康信息辨识为情境,利用手势与眼动追踪两种通道行为进行信息有用性预测。已有研究表明,阶段如浏览和阅读、认知如认知努力和认知资源分配影响通道行为。基于此,本文按照认知选择不同阶段的手势和眼动追踪行为,以构建信息有用性预测特征体系,并提出了基于BP神经网络的信息有用性预测模型。进而,本文设计移动健康信息辨识用户实验以验证模型。该实验招募24名大学生利用APP进行4则新冠疫情类命题真假辨识,以采集被试在不同阶段代表差异性认知的手势数据、眼动追踪数据以及信息有用性评分。本文利用曼-惠特尼秩和检验和随机森林算法进行预测特征优选,并基于此分析信息有用性及有用程度的预测效果。结果表明,手势和眼动追踪预测特征体系均集中分布于阅读阶段的认知努力方面:手势预测特征体系聚焦于阅读阶段总耗时或阅读阶段手势熵;阅读阶段眼动熵是眼动追踪预测特征体系的核心;双通道预测特征体系几乎涵盖前两者;进而构建的手势预测模型、眼动追踪预测模型和双通道预测模型均能有效预测信息有用性,准确率分别为 76.7%、80.4%和 80.8%,F1-score 分别为 74.5%,79.7%和 80%;预测有用程度时,经修正的三类模型的准确率均为76.8%,F1-score分别为86.9%,86.4%和86.3%。本文构建了基于通道行为的移动健康信息辨识中信息有用性预测特征体系,并基于此构建了与三种场景适配的信息有用性预测模型:当注重隐私安全且技术成本要求较低时,选择手势预测模型较优;眼动追踪预测模型具有推广到AR、MR和元宇宙的优势;而交互场景为多通道多媒体的智能人机交互且关注预测精度时,双通道预测模型不失为一类良好选择。