Justice beliefs and cultural values predict support for COVID-19 vaccination and quarantine behavioral mandates: a multilevel cross-national study
Notice bibliographique
Résumé
Understanding how individual beliefs and societal values influence support for measures to prevent SARS-CoV-2 transmission is vital to developing and implementing effective prevention policies. Using both Just World Theory and Cultural Dimensions Theory, the present study considered how individual-level justice beliefs and country-level social values predict support for vaccination and quarantine policy mandates to reduce SARS-CoV-2 transmission. Data from an international survey of adults from 46 countries (N = 6424) were used to evaluate how individual-level beliefs about justice for self and others, as well as national values-that is, power distance, individualism, masculinity, uncertainty avoidance, long-term orientation, and indulgence-influence support for vaccination and quarantine behavioral mandates. Multilevel modeling revealed that support for vaccination and quarantine mandates were positively associated with individual-level beliefs about justice for self, and negatively associated with country-level uncertainty avoidance. Significant cross-level interactions revealed that beliefs about justice for self were associated more strongly with support for mandatory vaccination in countries high in individualism, whereas beliefs about justice for others were more strongly associated with support for vaccination and quarantine mandates in countries high in long-term orientation. Beliefs about justice and cultural values can independently and also interactively influence support for evidence-based practices to reduce SARS-CoV-2 transmission, such as vaccination and quarantine. Understanding these multilevel influences may inform efforts to develop and implement effective prevention policies in varied national contexts.
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 | 0,006 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».