Reckless spreader or blameless victim? How vaccination status affects responses to COVID-19 patients
Notice bibliographique
Résumé
BACKGROUND: Vaccination against Covid-19 has become an increasingly polarizing issue in western democracies. While much research has focused on social-psychological determinants of vaccine hesitancy, less is known about the attitudes and behaviors of the vaccinated populations towards those who are unvaccinated. Building on Weiner's attribution theory (2005, 1985, 1980), we predict that vaccination status determines the attribution of personal responsibility and blame in Covid-19 social dilemmas. This in turn explains people's affective and behavioral responses towards those who have fallen ill or infected others with COVID-19. APPROACH: Through two preregistered experiments (total N = 1200) we show that people attribute greater personal responsibility when unvaccinated (vs. vaccinated) people fall ill from, or infect others with COVID-19. This attribution of responsibility manifested in less sympathy towards unvaccinated COVID-19 patients, which was associated with a lower willingness to help patients and their families (Study 1). Likewise, higher perceived responsibility results in greater anger towards unvaccinated people who had (involuntarily) infected others with the virus, which was associated with a greater desire for punitive actions (Study 2). CONCLUSION: These findings suggest that unvaccinated people experience blame as well as negative attitudes and behaviors from the vaccinated population. This could in turn strengthen people's refusal to get vaccinated and increase polarization between vaccine supporters and vaccine critics.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».