Political and Socioeconomic Influences on Social Distancing Behaviour in the United States
Notice bibliographique
Résumé
The Social Distancing Index (SDI) measures social distancing behaviour every day across all fifty American states. This study leverages SDI data to model social distancing behaviour with time-series COVID-19 data, as well as an array of political and economic variables. The central aim of this study is to examine three hypotheses: (i) COVID-19 outbreaks within a state will induce social distancing by fear of the virus, (ii) states with more low-income workers will engage in less social distancing due to the nature of essential work, and (iii) political beliefs will influence social distancing behaviour, through the public debate over social distancing policy and a partisan logic defining state stay-at-home orders. We use Vector Autoregressive (VAR) and Beta Regression models to determine the most influential variables in this study. VAR models for time-series relationships between cases and social distancing behaviour in California and Texas, and corresponding Granger-Cause Test results, are investigated through case studies. Significant Beta model variables influencing social distancing behaviour are closely examined through visual data analysis and qualitatively contextualized to describe relationships present in the data. Our results indicate statistically significant relationships between the severity of state outbreaks, age and income distribution, change in governor approval ratings, and social distancing behaviour. There are also clear relationships between the partisan make-up of a state and social distancing behaviour. The results found in this study contribute to growing evidence regarding the impact political polarization has on various aspects of American social life, while giving insight to behavioural dynamics that play a critical role in mitigating the spread of COVID-19.
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 | 0,002 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».