Terrorism Risk Assessment, Recollection Bias, and Public Support for Counterterrorism Policy and Spending
Notice bibliographique
Résumé
Recollection bias (RB) refers to the phenomenon whereby after an adverse event people report that their risk assessment about a similar future event is presently no higher than their recollection of their pre-event risk assessment. While previous research has outlined this theoretical construct and generated important empirical findings, there were some limitations. We design and employ a new national representative survey to address these limitations in this study. We examine the existence and persistence of RB among the general public in the context of a number of domestic and international terrorist attacks. We further examine the socioeconomic and political base of RB and the influences of RB on a wide range of citizens' counterterrorism policy preferences. Our data analyses reveal strong evidence showing the occurrence of RB and its persistence across various forms of terrorism risk. With regard to the socioeconomic and political base, we find that females, older people, political conservatives, and Republicans are less likely to be subject to RB. For the effects of RB on public counterterrorism policy preferences, our analyses demonstrate that this bias significantly dampens public support for a wide range of preventive policy measures and government anti-terrorism spending. Overall, our study, based on a national representative sample and an extended survey design, provides robust evidence of RB in terrorism risk assessment, and adds further evidence to support the idea that RB is likely a generalizable phenomenon. Implications and suggestions for future research are discussed in the conclusion.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».