How national leaders keep ‘us’ safe: A longitudinal, four-nation study exploring the role of identity leadership as a predictor of adherence to COVID-19 non-pharmaceutical interventions
Notice bibliographique
Résumé
Objectives To investigate whether citizens’ adherence to health-protective non-pharmaceutical interventions (NPIs) during the COVID-19 pandemic is predicted by identity leadership, wherein leaders are perceived to create a sense of shared national identity. Design Observational two-wave study. Hypotheses testing was conducted with structural equation modelling. Setting Data collection during the COVID-19 pandemic in China, Germany, Israel and the USA in April/May 2020 and four weeks later. Participants Adults in China (n=548, 66.6% women), Germany (n=182, 78% women), Israel (n=198, 51.0% women) and the USA (n=108, 58.3% women). Measures Identity leadership (assessed by the four-item Identity Leadership Inventory Short-Form) at Time 1, perceived shared national identification (PSNI; assessed with four items) and adherence to health-protective NPIs (assessed with 10 items that describe different health-protective interventions; for example, wearing face masks) at Time 2. Results Identity leadership was positively associated with PSNI (95% CI 0.11 to 0.30, p<0.001) in all countries. This, in turn, was related to more adherence to health-protective NPIs in all countries (95% CI 0.03 to 0.36, 0.001≤ p ≤0.017) except Israel (95% CI −0.03 to 0.27, p=0.119). In Germany, the more people saw Chancellor Merkel as engaging in identity leadership, the more they adhered to health-protective NPIs (95% CI 0.04 to 0.18, p=0.002). In the USA, in contrast, the more people perceived President Trump as engaging in identity leadership, the less they adhered to health-protective NPIs (95% CI −0.17 to −0.04, p=0.002). Conclusions National leaders can make a difference by promoting a sense of shared identity among their citizens because people are more inclined to follow health-protective NPIs to the extent that they feel part of a united ‘us’. However, the content of identity leadership (perceptions of what it means to be a nation’s citizen) is essential, because this can also encourage people to disregard such recommendations.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».