Numeracy and COVID-19: examining interrelationships between numeracy, health numeracy and behaviour
Notice bibliographique
Résumé
During the COVID-19 pandemic, people across the globe have been exposed to large amounts of statistical data. Previous studies have shown that individuals' mathematical understanding of health-related information affects their attitudes and behaviours. Here, we investigate the relation between (i) basic numeracy, (ii) COVID-19 health numeracy, and (iii) COVID-19 health-related attitudes and behaviours. An online survey measuring these three variables was distributed in Canada, the United States (US) and the United Kingdom (UK) ( n = 2032). In line with predictions, basic numeracy was positively related to COVID-19 health numeracy. However, predictions, neither basic numeracy nor COVID-19 health numeracy was related to COVID-19 health-related attitudes and behaviours (e.g. follow experts’ recommendations on social distancing, wearing masks etc.). Multi-group analysis was used to investigate mean differences and differences in the strength of the correlation across countries. Results indicate there were no between-country differences in the correlations between the main constructs but there were between-country differences in latent means. Overall, results suggest that while basic numeracy is related to one's understanding of data about COVID-19, better numeracy alone is not enough to influence a population's health-related attitudes about disease severity and to increase the likelihood of following public health advice.
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 | 0,011 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».