Основные направления инновационного развития регионального здравоохранения
Notice bibliographique
Résumé
How do people cope when they feel uninformed or unable to understand important social issues, such as the environment, energy concerns, or the economy? Do they seek out information, or do they simply ignore the threatening issue at hand? One would intuitively expect that a lack of knowledge would motivate an increased, unbiased search for information, thereby facilitating participation and engagement in these issues-especially when they are consequential, pressing, and self-relevant. However, there appears to be a discrepancy between the importance/self-relevance of social issues and people's willingness to engage with and learn about them. Leveraging the literature on system justification theory (Jost & Banaji, 1994), the authors hypothesized that, rather than motivating an increased search for information, a lack of knowledge about a specific sociopolitical issue will (a) foster feelings of dependence on the government, which will (b) increase system justification and government trust, which will (c) increase desires to avoid learning about the relevant issue when information is negative or when information valence is unknown. In other words, the authors suggest that ignorance-as a function of the system justifying tendencies it may activate-may, ironically, breed more ignorance. In the contexts of energy, environmental, and economic issues, the authors present 5 studies that (a) provide evidence for this specific psychological chain (i.e., ignorance about an issue → dependence → government trust → avoidance of information about that issue); (b) shed light on the role of threat and motivation in driving the second and third links in this chain; and (c) illustrate the unfortunate consequences of this process for individual action in those contexts that may need it most.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».