Assessing Student Perceptions of a Norwegian University's COVID-19 Response Strategy: A Cross-Sectional Study
Notice bibliographique
Résumé
Aim: This study aims to investigate Norwegian students' perceptions toward a higher education institution (HEI)'s COVID-19 response strategy, differentiating between three behavioral techniques: informing (i. e., email updates about COVID-19), nudging (i.e., visual cues as reminders), and creating novel opportunities (i.e., provision of antibacterial dispensers). In addition, the study assesses to what extent these perceptions are influenced by COVID-19 related psychological factors: risk perception; attitudes toward infection prevention and control (IPC) behaviors; perceived behavior control; institutional trust. Methods: A cross-sectional online survey was conducted among a student population. The survey was developed to evaluate the HEI's response strategy, and distinct perceptions of COVID-19 and related practices. Structural equation modeling (SEM) was applied to estimate the effect of the psychological factors on the attitude toward different behavioral techniques. Results: Creating novel opportunities was perceived most positively from the students, secondly, informing the students through email updates about COVID-19, finally, reminders through visual cues. Institutional trust presented the largest positive effect on informing the students through email updates, while no effect was measured for reminders. Attitudes toward IPC behaviors showed the strongest effect on students' perceptions of new opportunities and reminders, whereas providing email updates about COVID-19 is less affected by pre-existing perceptions. Conclusions: A host of factors such as institutional trust, and perceptions concerning IPC measures and risk severity, influence students' perceptions of different behavior change techniques. This type of knowledge can contribute to understanding how perceptions can impact acceptance and adoption of specific preventive measures within a pandemic response. An assessment as such may result in more ethical and relevant future efforts.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».