The Influence of Conversational Content on College Students’ Safe Sex Intentions: A Mixed Method Approach
Notice bibliographique
Résumé
Even though health campaign designers are advised to specifically focus on triggering conversations between people about health issues, there is still a lot unknown about what aspects of a conversation may contribute to safe sex behavior and intentions. Empirical research in this field so far has mainly focused on conversational occurrence rather than conversational content, and where content is taken into account, this mostly concerns self-reports. In this mixed method study, we looked into the quantitative effects of real-life conversations about safe sex, triggered by a safe sex message, on college students’ intentions related to safe sex. We then used a qualitative analysis to try and identify content-related aspects that may be related to the quantitative effects. Two weeks after filling in a questionnaire on their safe sex-related intentions, participants (N = 24) were instructed to watch and talk about a safe sex video with a conversation partner of choice, followed by filling in a questionnaire. The conversational data were analyzed qualitatively. The results suggest that the conversations increased safe sex-related intentions compared to pretest scores, and that content-related aspects such as conversational valence, type of communication behavior and behavioral determinants were related to these effects. Thus, our findings provide enhanced insight into the social norms and behavioral patterns related to safe sex, and indicate that it is important to look at conversational content in detail rather than to focus on mere conversational occurrence or quantitative effects.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».