‘We are all in the same boat’: How societal discontent affects intention to help during the <scp>COVID</scp>‐19 pandemic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The coronavirus disease 2019 (COVID‐19) pandemic has caused a global health crisis. Consequently, many countries have adopted restrictive measures that caused a substantial change in society. Within this framework, it is reasonable to suppose that a sentiment of societal discontent, defined as generalized concern about the precarious state of society, has arisen. Literature shows that collectively experienced situations can motivate people to help each other. Since societal discontent is conceptualized as a collective phenomenon, we argue that it could influence intention to help others, particularly those who suffer from coronavirus. Thus, in the present study, we aimed (a) to explore the relationship between societal discontent and intention to help at the individual level and (b) to investigate a possible moderating effect of societal discontent at the country level on this relationship. To fulfil our purposes, we used data collected in 42 countries ( N = 61,734) from the PsyCorona Survey, a cross‐national longitudinal study. Results of multilevel analysis showed that, when societal discontent is experienced by the entire community, individuals dissatisfied with society are more prone to help others. Testing the model with longitudinal data ( N = 3,817) confirmed our results. Implications for those findings are discussed in relation to crisis management. Please refer to the Supplementary Material section to find this article's Community and Social Impact Statement .
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle