The Association Between COVID-19 Information Sources and Stigma Against Health Care Workers Among College Students: Cross-sectional, Observational Study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has triggered stigmatic attitudes against health care workers. Some forms of social media may play a role in disseminating stigmatizing messages. OBJECTIVE: We aimed to investigate the association between COVID-19 information sources and stigma against health care workers among college students during the pandemic. METHODS: A cross-sectional, observational study was conducted using a web-based platform in the Tohoku region of Japan. College students aged ≥20 years were asked to complete the questionnaire between August 18 and October 31, 2020. Stigma against health care workers was evaluated using a modified Japanese version of the Social Distance Scale. Participants were also asked to rate their perceived vulnerability to infection using the Japanese version of the Perceived Vulnerability to Disease scale. RESULTS: A total of 281 students from 8 colleges completed the web-based survey. There were 139 (49.5%) participants who used Twitter, 187 (66.5%) who used news websites, and 46 (16.4%) who used the websites of public health agencies as COVID-19 information sources. After adjusting for age, sex, department, and Perceived Vulnerability to Disease scores, the level of stigma did not differ between students who used Twitter and those who did not. Students who used the websites of public health agencies showed a significantly less stigmatic attitude than those who did not. CONCLUSIONS: Fact-checking and directing visitors to credible information sources from public health agencies may have prevented the formation of stigmatic attitudes toward health care workers. An effective strategy to enable easy access to information provided by public agencies should be integrated into widespread web-based platforms.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».