Political Identity Over Personal Impact: Early U.S. Reactions to the COVID-19 Pandemic
Notice bibliographique
Résumé
= 6,383) survey (Pew Research and Ipsos W64) of Americans was analyzed to investigate the effects of both political identity (i.e., Democrat or Republican) and personal impact (i.e., whether they suffered job or income loss) on individuals' reactions to the COVID-19 pandemic. Results show that political identity and personal impact influenced the American public's attitudes about and response to COVID-19. Consistent with prior research, political identity exerted a strong influence on self-reports of emotional distress, threat perception, discomfort with exposure, support for restrictions, and perception of under/overreaction by individuals and institutions. The difference between Democrats and Republican responses were consistent with their normative value differences and with the contemporary partisan messaging. Personal impact exerted a comparatively weaker influence on reported emotional distress and threat perception. Both factors had a weak influence on appraisal of individual and government responses. The dominating influence of political identity carried over into the bivariate relations among these self-reported attitudes and responses. In particular, the appraisal of government response divided along party lines, tied to opposing views of whether there has been over- or under-reaction to the pandemic. The dominance of political identity has important implications for crisis management and reflects the influence of normative value differences between the parties, partisan messaging on the pandemic, and polarization in American politics.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».