Influencing Factors on College Students' Willingness to Spread Internet Public Opinion: Analysis Based on COVID-19 Data in China
Notice bibliographique
Résumé
Following COVID-19 outbreak, Internet public opinion has tended to proliferate. From a theoretical perspective, however, the spread law of Internet public opinion in major epidemic prevention and control may provide optimization strategies on how best to channel Internet public opinion. Specifically, this article aims at exploring key factors affecting our theoretical understanding on the spread of Internet public opinion on a major epidemic situation amongst college students. A questionnaire survey on college students was conducted via online research data collection platform located in Changsha, China, amassing three hundred and nineteen valid questionnaires. Smart PLS was applied to verify a theoretical model vis-à-vis the reliability and validity of the measuring instrument. Results show that adult attachment and social motivation have significant positive influences on the consciousness of social participation. Evidently, adult attachment, emotional orientation and risk perception also have significant positive influences on emotional motivation. Emotional motivation plays a mediating role in the relationship between affective disposition and dissemination willingness. Additionally, social motivation, consciousness of social participation and emotional motivation significantly influence one's dissemination willingness in a positive way. The consciousness of social participation plays a mediating role in the relationship between social motivation and dissemination willingness. Social motivation plays a moderating role in the relationship between risk perception and dissemination willingness. Altogether, theoretical rationalization to enhance understanding and guide the initiation and spread of Internet public opinion of major public health emergencies accurately has now been provided by this work.
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 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 | 0,009 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».