MétaCan
Menu
← Retour à la cohorte
Enregistrement W4242471220 · doi:10.31235/osf.io/sn9xu

Collective Anxieties of Canadians During The COVID-19 Pandemic: The Angst-Free and Anxious Population Segments

2020· preprint· en· W4242471220 sur OpenAlexaffabout
Fernando Mata

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPopulationPandemicAnxietyPsychologyDemographic economicsSociologyDemographyCoronavirus disease 2019 (COVID-19)MedicinePsychiatryEconomicsDisease

Résumé

récupéré en direct d'OpenAlex

The COVID-19 Pandemic in Canada represents a very troubling period as individuals confront a powerful "invisible" enemy killer in the form of the COVID-19 virus. This historical juncture is important to analyze because it constitutes a moment where collective anxieties become widespread and collective resources are mobilized to address them. Using market segmentation analysis, the purpose of the study is to produce a portrait of collective anxieties, paying special attention to the typical population segments in the Canadian population differentiated by their particular concerns about health and social conditions in the country and the world. The study used as its data source a survey sample of 4,600 adult Canadians aged 15 years old and over during the confinement period of March 29 2020 to April 3 2020 and collected by Statistics Canada. Attitudinal domain items (12 in total) included concerns about personal and household health, the health system, the ability to cooperate and support during and after the crisis, family stress and others. A market segmentation analysis using Principal Components and k-means cluster analysis of these domain items revealed the presence of six major population segments: Health Conditions Anxious (13%), Health System Overload Anxious (26%), Angst-Free (23%), Inner-Bubble Conditions Anxious (12%), Outer-Bubble Conditions Anxious (25%) and World Conditions Anxious (1%). The segment mottos were as follows: "Glad I Have A Health Card!", "How Many Beds Do We Have?", "I'm Not Worried!, "My Bubble May Be In Trouble!", "Other Bubbles May Be In Trouble! and "It’s the End of the World As We Know It!”. Inner-Bubble Conditions Anxious members displayed the higher average scores of collective anxiety and Angst-Free members, the lowest. Market segmentation is a useful tool for decision makers to categorize population members by their typical attitudinal traits and, by doing so, facilitate better public campaigns, help design messages, and implement changes that can promote more efficient ways to deal with the various psychosocial consequences of the COVID-19 confinement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0110,003
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,394
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 and Mental Health→Travaux en français237 207→