MétaCan
Menu
Retour à la cohorte
Enregistrement W3194518358 · doi:10.1111/risa.13814

The Effect of Perceived Threats and Response Efficacy on Adaptation to Smog: An Instrumental Variables Design

2021· article· en· W3194518358 sur OpenAlexafffund
Kaddour Mehiriz, Pierre Gosselin

Notice bibliographique

RevueRisk Analysis · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversité LavalInstitut National de Santé Publique du Québec
Organismes subventionnairesHealth CanadaInstitute for Health Metrics and Evaluation
Mots-clésEndogeneityPerceptionInstrumental variableAdaptation (eye)PsychologyRisk perceptionEnvironmental healthSelf-efficacyClimate changeSocial psychologyMedicineEconometricsEconomics

Résumé

récupéré en direct d'OpenAlex

Threats and response efficacyperceptions are core conceptsof the protection motivationtheory, and recent years have witnessed a considerable growth of research on the effect of thesefactors on adaptation to air pollution. However, few studies use appropriate designs to deal with endogeneity issues, a situation that raises serious questions on the validity of their findings. To overcome this problem, this study uses the instrumental variables method to test the effect of perceived threats and response efficacy on adaptation to smog episodes. The results of this study show that the conjunction of a moderate to high perception of threats with a high perception of response efficacy is positively associated with the adoption of the recommended behavior. The increase of perceived threats does not seem to have an effect on the behavior of individuals with low response efficacy perception. Moreover, change in perceived response efficacy does not lead to any change in the behavior of individuals with low threat perceptions. Concerning policy implications, this study suggests that smog warnings and health communication campaigns could be more effective if they provide accurate information simultaneously on air pollution level, its adverse effects, and advice on how to mitigate these 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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil0,499

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,269
Écart entre enseignants0,258 · 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

Citations18
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRisk AnalysisMême sujetEnvironmental Education and SustainabilityTravaux en français237 207