The Canadian COVID-19 Experiences Project: Design and Protocol
Notice bibliographique
Résumé
Abstract Introduction Vaccine hesitancy and inconsistent mitigation behavior performance have been significant challenges throughout the COVID-19 pandemic. In Canada, despite relatively high vaccine availability and uptake, willingness to accept booster shots and maintain mitigation behaviors in the post-acute phase of COVID-19 remain uncertain. The aim of the Canadian COVID-19 Experiences Project (CCEP) is two-fold: 1) to identify social-cognitive and neurocognitive correlates of vaccine hesitancy and mitigation behaviors, and 2) to identify optimal communication strategies to promote vaccination and mitigation behaviors into the post-acute phase of the pandemic. Methods and analyses The CCEP is comprised of two components: a conventional population survey (Study 1) and a functionally interconnected laboratory study (Study 2). Study 1 will involve 3 waves of data collection. Wave 1, completed between 28 September and 21 October, 2021, recruited 1,958 vaccine-hesitant (49.8%) and fully vaccinated (50.2%) adults using quota sampling to ensure maximum statistical power. Measures included a variety of social cognitive (e.g., beliefs, intentions) and neurocognitive (e.g., delay discounting) measures, followed by an opportunity to view and rate a set of professionally produced COVID-19 public service announcement (PSA) videos for perceived efficacy. Study 2 employs the same survey items and PSAs but coupled with lab-based eye tracking and functional brain imaging to directly quantify neural indicators of attention capture and self-reflection in a smaller community sample. In the final phase of the project, subjective impressions and neural indicators of PSA efficacy will be compared and used to inform recommendations for construction of COVID-19 PSAs into the post-acute phase of the pandemic. Ethics and dissemination The CCEP has received ethical review and approval by the University of Waterloo Office of Research Ethics. Findings will be disseminated through peer-reviewed publications and presentations at scientific meetings.
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 | 0,060 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,088 | 0,014 |
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 ».