信息源对虚假信息易感性的信号检测分析

《Journal of Experimental Social Psychology》:A signal detection analysis of source effects on misinformation susceptibility

【字体: 大 中 小 】 时间:2026年10月22日 来源:Journal of Experimental Social Psychology 3.2

编辑推荐:

   摘要 信号检测理论表明,人们可能因为无法辨别真伪信息(即真值敏感度低)或因为无论信息真伪都倾向于接受信息(即接受阈值低)而陷入错误信息。虽然大量证据表明信源特征会影响人们易受错误信息影响的程度,但信源特征究竟如何影响这种易感性尚不清楚。本研究采用信号检测方法,调查了(1)信源

  

摘要
信号检测理论表明,人们可能因为无法辨别真伪信息(即真值敏感度低)或因为无论信息真伪都倾向于接受信息(即接受阈值低)而陷入错误信息。虽然大量证据表明信源特征会影响人们易受错误信息影响的程度,但信源特征究竟如何影响这种易感性尚不清楚。本研究采用信号检测方法,调查了(1)信源特征是通过真值敏感度还是接受阈值影响对真实和虚假信息的真伪判断;(2)感知可靠性和感知党派性作为信源的独立侧面是否存在潜在差异;以及(3)这两个侧面如何与信息内容相互作用以塑造对真实和虚假信息的判断。在七项预注册实验(N = 4,286)中,我们发现(1)信源特征是通过接受阈值而非真值敏感度本身影响易受错误信息影响的程度;(2)信源特征的影响仅限于信源对比显著的条件;(3)信源特征对党派偏见没有影响,即无论信源如何,接受阈值对于意识形态一致的信息都显著低于意识形态不一致的信息;以及(4)感知可靠性和感知党派性无论信息内容如何,都对接受阈值表现出相应的影响,表明这两种信源特征都可能通过感知信源可信度影响真伪判断。总之,这些发现为信源特征如何影响易受错误信息影响的程度提供了更深入的见解。

引言
从研究人们对真实和虚假信息反应的潜在因素(例如 Gawronski et al., 2023; Pennycook & Rand, 2021; Pf?nder & Altay, 2025; Schwarz & Jalbert, 2020; Sultan et al., 2024; Van Bavel et al., 2024)到测试旨在遏制错误信息疫情蔓延的干预措施(例如 Chan & Albarracín, 2023; Roozenbeek & van der Linden, 2019),近年来,关于人们如何应对错误信息的心理学研究呈爆炸式增长(综述见 Ecker et al., 2022; Pennycook & Rand, 2021)。这项工作中的一个重要问题是信源特征如何影响易受错误信息影响的程度(即将虚假信息判断为真实)。既往研究表明,人们不太容易陷入来自不可信信源的错误信息(例如 Bauer & Clemm Von Hohenberg, 2021; Clemm Von Hohenberg & Guess, 2023; Nadarevic et al., 2020; Zeng et al., 2024)。然而,基于现有证据,以下问题尚不清楚:(1) 信源特征如何影响对真实和虚假信息的真伪判断,(2) 信源的独立侧面(例如感知可靠性与感知党派性)是否以相同方式影响对真实和虚假信息的判断,以及 (3) 信源的独立侧面如何与信息内容相互作用以塑造对真实和虚假信息的判断。回答这些问题对于理解人们为何陷入错误信息至关重要,这对减少错误信息易感性的干预措施的有效性具有重要影响。

在本研究中,我们借鉴了信号检测理论(SDT; Green & Swets, 1966)来回答这些问题。根据 SDT,人们陷入错误信息可能是因为他们无法辨别真伪信息(即真值敏感度低;见 Batailler et al., 2022),或者因为他们无论信息真伪都倾向于接受信息(即接受阈值低;见 Batailler et al., 2022)。在此基础上,本研究进一步采用信号检测方法,调查信源特征是通过真值敏感度还是接受阈值影响对真实和虚假信息的真伪判断。我们进一步调查了感知信源可靠性和感知信源党派性是否以相同方式影响易受错误信息影响的程度,以及信源的这两个侧面如何与信息内容相互作用以塑造对真实和虚假信息的判断。

在信号检测术语中,将真实信息正确判断为真实可称为“击中”;将虚假信息错误判断为真实可称为“虚报”;将虚假信息正确判断为虚假可称为“正确拒绝”;将真实信息错误判断为虚假可称为“漏报”(Batailler et al., 2022)。SDT 提供了一种数学方法来量化导致错误信息易感性的两个概念上截然不同的因素。

首先,对真实和虚假信息的真伪判断受辨别真伪信息的能力(即真值敏感度;见 Batailler et al., 2022)塑造。高真值敏感度反映了辨别真伪信息的能力强,涉及高命中率和正确拒绝率,相应地,低漏报率和虚报率。相反,低真值敏感度反映了辨别真伪信息的能力弱,涉及高漏报率和虚报率,相应地,低命中率和正确拒绝率。真值敏感度由 SDT 的 d'指数捕捉,它反映了真实信息和虚假信息在感知真实性判断维度上分布之间的距离(见图 1)。计算公式如下:
d' = z(H) – z(FA)
在此公式中,H 代表被判断为真实的真实信息的比例;FA 代表被判断为真实的虚假信息的比例。这两个比例都被转换为遵循 z 分布的分位数函数,使得 0.5 的比例转换为零的 d'分数(反映随机反应)。更高的 d'分数反映了辨别真伪信息的更高准确性(即更高的真值敏感度)。

其次,对真实和虚假信息的真伪判断受无论信息真伪都接受或拒绝信息的一般反应倾向(即接受阈值;见 Batailler et al., 2022)塑造。在 SDT 术语中,这种倾向可以理解为在感知真实性判断维度上,一个人将判断从真实切换到虚假(或反之)的阈值(见图 2)。高接受阈值反映了拒绝信息为假的一般倾向,涉及高漏报率和正确拒绝率,相应地,低命中率和虚报率。相反,低接受阈值反映了接受信息为真的一般倾向,涉及高命中率和虚报率,相应地,低漏报率和正确拒绝率。接受阈值由 SDT 的 c 指数捕捉,计算公式如下:
c = ?0.5 × [z(H) + z(FA)]
接受阈值分数高于零表明判断信息为假的可能性大于判断为真的可能性;分数低于零表明判断信息为真的可能性大于判断为假的可能性。分数为零反映了判断信息为真与为假的可能性相等。

真值敏感度和接受阈值之间的一个重要区别在于这两个因素是独立的(Macmillan & Creelman, 2004)。例如,高接受阈值并不意味着高真值敏感度,因为高阈值不仅意味着 (1) 将虚假信息判断为假的可能性高(即高正确拒绝率),还意味着 (2) 将真实信息判断为假的可能性高(即高漏报率)。同样,低接受阈值并不意味着低真值敏感度,因为低阈值不仅意味着 (1) 将虚假信息判断为真的可能性高(即高虚报率),还意味着 (2) 将真实信息判断为真的可能性高(即高命中率)。虽然某些因素可能通过真值敏感度和接受阈值共同塑造错误信息信念(例如年龄较大;Sultan et al., 2024),但并非所有因素都对两者产生并发且相似的影响。例如,虽然认知精细加工被发现影响真值敏感度而不影响接受阈值(Gawronski et al., 2023; Nahon et al., 2024; Sultan et al., 2022),但熟悉度对错误信息信念的影响(Pillai & Fazio, 2021)似乎源于对接受阈值的影响而非真值敏感度(Gawronski et al., 2026; Sultan et al., 2024)。从干预角度来看,关于游戏化接种是否在不影响真值敏感度的情况下提高接受阈值(Modirrousta-Galian & Higham, 2023),或者相反,在不影响接受阈值的情况下提高真值敏感度(Simchon et al., 2026),目前存在持续的争论。因此,当研究人们为何错误地将虚假信息判断为真实时,区分真值敏感度和接受阈值的不同作用是至关重要的(见 Batailler et al., 2022; Gawronski et al., 2023; Hubeny et al., 2025; Modirrousta-Galian & Higham, 2023; Nahon et al., 2024; Simchon et al., 2026; Sultan et al., 2022)。

对信息真伪的判断可能不仅受信息内容影响,还受其信源影响。态度研究表明信源特征在说服中起着关键作用,人们更容易被 perceived to be credible(被感知为可信)的信源提供的信息说服(Chaiken, 1980; Petty et al., 1997; Petty & Cacioppo, 1986)。虽然有些研究发现信源可信度对错误信息易感性没有影响或影响不一致(Dias et al., 2020; Littrell et al., 2024; Pehlivanoglu et al., 2021; Schaewitz et al., 2020; 关于潜在导致不一致结果的因素的讨论见 Mang et al., 2024),但几项研究表明,当信息来自可信(而非不可信)信源时,人们更倾向于判断信息为真(例如 Bauer & Clemm Von Hohenberg, 2021; Clemm Von Hohenberg & Guess, 2023; Nadarevic et al., 2020; Zeng et al., 2024)。此外,关于对矛盾信息反应的研究报告表明,当早期指控被可信(而非不可信)信源驳斥时,人们更有可能更新其信念(例如 Ecker & Antonio, 2021; Sanna & Lagnado, 2025)。

从实际角度来看,这些发现似乎令人鼓舞,因为它们表明人们不太可能相信来自不可信信源的信息。由于错误信息通常由不可信信源传播(例如可疑或假新闻媒体;缺乏问题专业知识的外行),这种倾向可能会保护人们免受错误信息的侵害(Schwarz & Jalbert, 2020)。现有易受错误信息影响程度的研究通常采用反映这一想法的程序,研究呈现带有可信信源的真实信息和带有不可信信源的虚假信息(例如 Aslett et al., 2024; Dias et al., 2020; Pennycook et al., 2021; Pennycook & Rand, 2019)。

从应用角度来看,这些研究中信源可信度和信息真实性之间的混淆可能显得无关紧要,因为 (1) 自然环境中信息的真实性通常与信源可信度呈正相关(即可信信源的信息比不可信信源的信息更可能是真的),因此,(2) 这两个因素应该导致相同的良好结果:降低接受由不可信信源传播的错误信息的可能性(例如 Swire-Thompson et al., 2024)。然而,从理论角度来看,混淆信源可信度和信息真实性的研究设计可能导致关于人们为何陷入错误信息的错误结论。为了说明这一点,考虑到虚假信息不仅可能由不可信信源传播,也可能由可信信源传播(例如 Peters, 2023),而且即使是不可信信源也可能传播真实信息。如果人们轻易接受来自可信信源的信息并拒绝来自不可信信源的信息,那么当虚假信息由可信信源传播时,他们可能会错误地将虚假信息接受为真;当真实信息由不可信信源传播时,他们可能会错误地将真实信息拒绝为假。因此,如果旨在理解人们为何陷入错误信息,避免信源可信度和信息真实性之间的混淆至关重要,因为这种混淆会导致不准确的理论结论。

一些研究隔离了信源特征和信息真实性对真伪判断的影响(Nedelcu & Balaban, 2021; Pehlivanoglu et al., 2021; Traberg et al., 2024; Traberg & van der Linden, 2022)。然而,由于这些研究没有区分对真值敏感度和接受阈值的影响,尚不清楚信源特征如何影响真伪判断。虽然过去的发现即人们更倾向于接受来自可信而非不可信信源的信息,可能表明信源特征影响接受或拒绝信息的一般倾向(即接受阈值;见 Traberg & van der Linden, 2022),但信源特征也可能影响辨别真伪信息的能力(即真值敏感度;见 Sultan et al., 2024)。基于研究表明低可信度信源可以增加精细加工的研究(Priester & Petty, 1995),后一种类型的影响是预期的。

结合精细加工能提高辨别真假信息准确率的证据(综述见 Pennycook & Rand, 2021),这些发现表明,与来自可信来源的信息相比,人们对来自不可信来源的信息可能表现出更高的真相敏感度。值得注意的是,Sultan 等人(2024)的一项荟萃分析使用了信号检测论(SDT)方法来调查来源特征是否通过真相敏感度或接受阈值影响虚假信息易感性。作者发现,当真假标题附带来源呈现时,真相敏感度高于不带来源呈现时。来源的存在(与不存在相比)对接受阈值没有影响。虽然这些发现似乎表明来源特征通过真相敏感度而非接受阈值影响虚假信息易感性,但该荟萃分析中包含来源的大部分研究都混淆了来源特征和信息真伪,即真实信息与可信来源配对,而虚假信息与不可信来源配对(例如 Pennycook 等人,2021)。这种混淆使得关于来源对真相敏感度影响的结论为时过早。

从信号检测论的角度来看,将真实信息与可信来源配对应提高击中率,而将虚假信息与不可信来源配对应降低虚报率(见表 1 上半部分)。这些效应应导致存在来源信息(与不存在相比)时真相敏感度得分更高。然而,信息真伪与来源可信度之间的混淆模糊了关于来源可信度本身是否影响真相敏感度的结论。为了解决这个问题,有必要通过一个完全交叉的 2(准确性:真 vs. 假)× 2(来源:可信 vs. 不可信)设计来解决信息真伪与来源可靠性之间的混淆,该设计包括(1)与可信来源配对的真实信息,(2)与不可信来源配对的虚假信息,(3)与不可信来源配对的真实信息,和(4)与可信来源配对的虚假信息(见表 1 下半部分)。在这种设计中,人们仍然期望与可信来源配对的真实信息有更高的击中率,与不可信来源配对的虚假信息有更低的虚报率。然而,如果人们轻易接受来自可信来源的信息,那么对于来自可信来源的信息,他们也应该表现出更高的虚报率,即错误地将可信来源的虚假信息判断为真。同理,如果人们轻易拒绝来自不可信来源的信息,那么对于来自不可信来源的信息,他们应该表现出更低的击中率,即错误地将不可信来源的真实信息判断为假。综合来看,这些效应意味着来源可信度本身可能不会影响真相敏感度,而是影响接受阈值,即与来自不可信来源的信息相比,人们对来自可信来源的信息表现出更低的接受阈值。因此,尽管 Sultan 等人(2024)的荟萃分析使用了 SDT,但荟萃分析研究中来源信息与信息真伪之间的混淆削弱了关于来源可信度是通过真相敏感度还是接受阈值影响虚假信息易感性的结论。本研究旨在解决这一问题。

以往关于来源特征对虚假信息易感性影响的研究从以下方面操作化来源可信度:(1)来源是专家还是外行(Nadarevic 等人,2020;Sanna & Lagnado, 2025),(2)来源是真实还是虚假(Bauer & Clemm Von Hohenberg, 2021;Nadarevic 等人,2020),或(3)来源是主流还是边缘来源(Nedelcu & Balaban, 2021)。相关的来源特征是来源的政治倾向(Traberg 等人,2024),这可能会根据来源的政治倾向与参与者自身政治倾向是否一致或矛盾而增加或降低感知到的来源可信度(Traberg & van der Linden, 2022)。因为不同的来源特征可能对判断产生不同的影响(例如 Ecker & Antonio, 2021;Ziegler 等人,2002),比较不同来源特征的影响对于理解来源信息如何影响虚假信息易感性至关重要(Mang 等人,2024)。在本研究中,我们测试了感知可靠性与感知党派性之间的潜在差异。我们关注这两个来源特征,因为我们预计它们将根据焦点信息的内容在接受阈值上表现出不同的效应。

感知来源可靠性可以理解为给定来源传达真实(而非虚假)信息的主观可能性。来自高感知可靠性来源的信息可能比来自低感知可靠性来源的信息更受信任,无论信息内容如何,例如信息的政治倾向是否与个人的政治观点一致(以下称为意识形态一致 vs. 意识形态不一致信息)。换句话说,无论信息是意识形态一致、意识形态不一致还是非政治的,人们对来自可靠来源的信息可能表现出比来自不可靠来源的信息更低的接受阈值。

相比之下,感知来源党派性可以理解为给定来源传达偏向一方而非另一方政治立场的信息的主观可能性(例如,感知为偏向共和党而非民主党信息的来源,或反之)。与感知可靠性的内容无关效应不同,感知党派性的效应可能取决于信息的政治倾向是否与接收者的政治观点一致。一方面,意识形态一致信息由意识形态不一致来源报道的主观可能性较低,这可能导致接收者认为信息必定是真的——否则来源就不会报道它。因此,虽然人们倾向于对意识形态一致信息表现出比意识形态不一致信息更低的接受阈值(Batailler 等人,2022;Gawronski 等人,2023),但当信息来自意识形态不一致来源(例如,民主党人看到福克斯新闻报道的亲民主党信息;共和党人看到 CNN 报道的亲共和党信息)时,他们接受意识形态一致信息的阈值可能比信息来自意识形态一致来源(例如,民主党人看到 CNN 报道的亲民主党信息;共和党人看到福克斯新闻报道的亲共和党信息)时更低。根据经典归因理论(Kelley & Michela, 1980),可以说信息政治倾向与其来源政治倾向之间的不一致增强了信息的诊断价值,而两者之间的一致性则表明其诊断价值应被折减。

另一方面,意识形态不一致信息由意识形态一致来源报道的主观可能性较低,同样可能导致接收者认为信息必定是真的,遵循归因原则中的增强和折减(Kelley & Michela, 1980)。因此,与假设的意识形态一致信息模式不同,当信息来自意识形态一致来源(例如,民主党人看到 CNN 上的亲共和党信息;共和党人看到福克斯新闻上的亲民主党信息)时,人们接受意识形态不一致信息的阈值可能比信息来自意识形态不一致来源(例如,民主党人看到福克斯新闻上的亲共和党信息;共和党人看到 CNN 上的亲民主党信息)时更低。

综合来看,这些考虑表明感知党派性的效应可能取决于信息内容,即(1)意识形态一致信息的接受阈值在意识形态不一致来源中应低于意识形态一致来源,反之亦然(2)意识形态不一致信息的接受阈值在意识形态一致来源中应低于意识形态不一致来源。此外,因为感知党派性涉及特定于政治信息的预期,它可能不会对非政治信息产生影响。这些预测与感知可靠性的预测不同,后者预计会不受信息内容影响而影响接受阈值。本研究旨在检验这些预测。

本研究的三个目标是调查(1)来源特征是通过真相敏感度还是接受阈值影响对真假信息的真实性判断,(2)感知可靠性与感知党派性作为来源不同维度的潜在差异,以及(3)每个维度如何与信息内容相互作用以塑造对真假信息的判断。为此,我们进行了七项预注册实验,其中自称民主党和自称共和党的参与者对带有亲民主党或亲共和党倾向的真实和虚假新闻标题进行真实性判断。在实验 1-4 中,标题与可靠或不可靠的来源(即《福布斯》与《国家询问者》)一起呈现。在实验 5-6 中,标题与偏向民主党或偏向共和党的来源(即 CNN 与福克斯新闻)一起呈现。在所有研究中,我们使用 SDT 来区分来源对真相敏感度和接受阈值的影响。

实验 1 使用了一种混淆操作,模仿了 Sultan 等人(2024)荟萃分析中的对比,即对于一半的参与者,真实标题总是与可靠来源配对,而虚假标题总是与不可靠来源配对;其余一半参与者则被呈现相同的新闻标题而不带来源信息。我们期望复现 Sultan 等人的荟萃分析发现,即当来源可靠性与信息真伪混淆时,来源信息的存在(与不存在相比)会增加真相敏感度。

实验 2a 和 2b 旨在表明实验 1 中对真相敏感度的影响是来源可靠性与信息真伪之间混淆的虚假产物(见表 1)。为此,这两个实验使用了一种完全交叉设计,其中所有标题都与(1)可靠来源,(2)不可靠来源,或(3)无来源一起呈现。在这种完全交叉设计中,我们期望来源可靠性影响接受阈值(而非真相敏感度),即当标题与可靠来源呈现时,接受阈值应低于与不可靠来源呈现时。

基于实验 2a 和 2b 的意外结果,实验 3 使用了一种扩展设计,除政治性强的标题外,还包括非政治标题。实验 4 使用来源可靠性的被试内操纵,而不是前几个实验中的被试间操纵。实验 5 和 6 在概念上与实验 3 和 4 相同,唯一的区别是这些研究测试了感知来源党派性的效应。在这七项实验之前,我们进行了一项试点研究,以识别适合操纵感知来源可靠性和感知来源党派性的新闻来源。本文报道的所有研究均获得了德克萨斯大学奥斯汀分校机构审查委员会的伦理批准。

片段部分
试点研究
为了确定可用于实验的合适新闻来源,我们对 45 个来源进行了试点测试,范围从主流新闻来源(例如《福布斯》、美联社新闻)到小报和边缘来源(例如《国家询问者》、真实新闻网)。这些来源主要以美国为中心,除了一些主要国际媒体(来源完整列表见补充材料,表 S1)。对于实验 1 至 4,我们旨在确定(1)一个民主党和

实验 1
实验 1 考察了来源可靠性与信息真伪之间的混淆如何影响真相敏感度和接受阈值。为此,我们在程序上复现了虚假信息研究中常见的混淆,即真实标题总是与可靠的非党派来源(即《福布斯》)一起呈现,而虚假标题总是与不可靠的非党派来源(即《国家询问者》)一起呈现。在一个控制条件下,参与者

实验 2a 和 2b
在实验 2a 和 2b 中,我们旨在明确来源可靠性对真实性判断的影响。为此,我们使用完全交叉设计,将所有真实和虚假标题与(1)可靠来源,(2)不可靠来源,或(3)无来源一起呈现,从而消除了来源可靠性与信息真伪之间的混淆。我们假设,当混淆被消除时,在不同来源条件下真相敏感度不会显著不同,其中信息

实验 3
在试图解释实验 2a 和 2b 中来源可靠性的意外零效应时,我们想知道是否极大的党派偏见效应抵消了来源可靠性对接受阈值的预测效应。如果是这样,来源可靠性应该对非政治信息产生预期的接受阈值影响,但对政治性强的信息则不然。为了检验这种可能性,实验 3 在

实验 4
迄今为止呈现的发现未能描绘出关于来源可靠性效应的连贯图景。

尽管在实验1中,来源可靠性以预期的方式影响了真伪判断,但在随后的实验中,来源可靠性表现出不一致的效应,且这些效应均不支持我们的假设——即可靠来源的接受阈值会比不可靠来源更低。在试图调和这些相互矛盾的结果时,我们发现了一个重要差异——实验5——实验5考察了第二个来源特征的影响:感知党派性。比较不同的来源特征很重要,因为感知可靠性和感知党派性可能表现出不同的效应。感知可靠性可能无论信息内容如何都会影响接受阈值,而感知党派性的效应则可能取决于信息的政治倾向是否与接收者的政治观点一致。按照实验6的思路,由于我们早期实验中来源可靠性的预期效应仅限于参与者判断来自多个来源的信息的情况(这可能促进了不同来源之间的比较),我们采用实验4的被试内设计来检验来源党派性的影响。根据我们在早期实验中发现的强烈党派偏见,我们假设意识形态一致的信息的接受阈值将比——一般讨论——在七项预注册实验中,本研究采用信号检测方法来调查:(1) 来源特征是否通过真伪敏感度或接受阈值来影响对真实和虚假信息的信息真伪判断;(2) 感知可靠性与感知党派性作为来源的不同侧面之间可能存在的差异;以及(3) 这两个侧面如何与信息内容交互作用,从而影响对真实和虚假信息信息的判断。尽管有几项——开放研究实践——除先导研究外,所有实验均在数据收集前进行了预注册。使用G*Power 3.1.9.7(Faul等人,2007年)进行了功效分析。我们报告了样本量的确定方式以及所有数据排除、操纵和测量方法。所有预注册(如适用)、所有实验(包括先导测试)的数据、分析代码和材料均在https://osf.io/2mnrc/上提供。除报告预注册的分析外,我们还报告了——CRediT作者贡献声明——Nyx L. Ng:写作——审阅与编辑,写作——原稿撰写,可视化,验证,项目管理,方法论,调查,形式分析,数据整理,概念化。Fabian M. Wurzinger:写作——审阅与编辑,方法论,调查,形式分析,概念化。Bertram Gawronski:写作——审阅与编辑,监督,资源,项目管理,资金获取,形式分析,概念化。利益冲突声明——作者声明不存在利益冲突。致谢——作者感谢Isabelle Azmoodeh、Bryanna Boone、Alexandra Castro、Ana Sofia Cerda Ibarrola、Audrey-Anna Scalici和Alyssa Yarbrough在准备刺激材料方面提供的帮助。本研究由国家科学基金会资助(资助号BCS-2040684)。本材料中表达的任何观点、发现、结论或建议均为作者所有,不一定反映国家科学基金会的观点。Nyx L. Ng|Fabian M. Wurzinger|Bertram Gawronski
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号