Compulsive buying gradually increased during the first six months of the Covid-19 outbreak
Notice bibliographique
Résumé
Background and aims: The current Covid-19 situation offers a natural experiment to explore the effect of a chronic stressor on compulsive buying tendencies over an extended period of time. Design: Survey method of sampling every three days a new cohort during the first six months of the Covid-19 pandemic (March-October 2020) in the United States. Participants: Total (clean) sample of N = 1,430 (39.3% female, mean age = 36.4 years). Measurements: Online and offline compulsive buying separately, distress, economic position, income and age were assessed. Findings: Both online and offline compulsive buying increased during the data collection period ( τ = 0.24, τ = 0.22, respectively, both P < 0.001). Individuals with self-reported high economic position (EP) reported the highest tendency for compulsive buying throughout the entire time frame, although the increase in compulsive buying tendencies over time was the most pronounced among the economically less privileged. Online compulsive buying increased after the CARES Act (first stimulus package) by an effect size of d = 0.33. When entered into a regression model, EP had the strongest effect on compulsive buying after accounting for the effect of distress, income and age. The high-EP group reported the strongest correlation between distress and compulsive buying (r = 0.67, P < 0.001, 95% CI: 0.57-0.76). Conclusions: Compulsive buying tendency gradually increased during the first six months of the Covid-19 pandemic especially after the CARES Act.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».