Prediction of Self-care Behaviors in COVID-19 Prevention Based on Persuasion Techniques
Notice bibliographique
Résumé
Background: Persuasion is a method used to correct and modify the attitude and behaviors of community members to protect collective benefits, especially during crises. Objectives: The present study aimed to predict COVID-19 preventive behaviors based on persuasion techniques in five countries. Methods: This descriptive, correlational study was conducted on the population aged more than 18 years in Iran, Australia, the United Kingdom, Sweden, and Canada. The sample size determined by Morgan’s table was 498 individuals who were selected via convenience sampling in the spring of 2020. Data were collected online using a Demographic Questionnaire, a Persuasion Scale (2020), and the Questionnaire of Healthy Preventive Behaviors for COVID-19 (2020). The inclusion criteria were the age of more than 18 years and basic literacy, and the exclusion criterion was incomplete questionnaires. Data analysis was performed in SPSS version 21 using Pearson’s correlation-coefficient and multiple regression analysis. Results: A positive significant correlation was observed between persuasion techniques and healthy preventive behaviors for COVID-19 (P < 0.001). Among the components of persuasion, fear, interest in the messenger, frequency of the message, and reliability of the messenger could most significantly predict healthy behaviors (P < 0.001). Conclusions: According to the results, the mass media and authorities could enhance the effectiveness of their agenda by identifying the influential factors in the success of persuasion techniques. These findings could be beneficial to social psychiatrists, authorities, and the mass media.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».