MétaCan
Menu
Retour à la cohorte
Enregistrement W3020599450 · doi:10.1177/0022243720912443

Fear of Detection and Efficacy of Prevention: Using Construal Level to Encourage Health Behaviors

2020· article· en· W3020599450 sur OpenAlexaff
Chethana Achar, Nidhi Agrawal, Meng‐Hua Hsieh

Notice bibliographique

RevueJournal of Marketing Research · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésPersuasionPsychologyConstrual level theoryPerceptionHealth belief modelSocial psychologyTraitMental illnessClinical psychologyHealth promotionMental healthPsychiatryPublic healthMedicine

Résumé

récupéré en direct d'OpenAlex

This research examines the psychological processes and factors that shape illness-detection versus illness-prevention health actions. Four experiments using contexts of mental health, skin cancer, and breast cancer show that illness detection evokes fear, which undermines engagement in detection behaviors. Considering detection at low (vs. high) levels of thought reduced fear and increased health persuasion. Illness prevention is driven by self-efficacy perceptions and considering prevention at high (vs. low) levels of thought increases persuasion. In further evidence of process, trait fear moderated the detection effects, and dispositional self-efficacy moderated the prevention effects. As an intervention, framing a detection action as serving illness-prevention goals increased people’s likelihood of engaging with an online breast cancer detection tool. These findings illuminate the psychology of detection as being distinct from the psychology of prevention, identify the role of fear in the consideration of health behaviors, and show contexts in which construal levels have divergent effects on health persuasion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil0,520

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,368
Tête enseignante GPT0,546
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetBehavioral Health and InterventionsTravaux en français237 207