MétaCan
Menu
Retour à la cohorte
Enregistrement W4297243575 · doi:10.1017/spq.2021.22

Governor Partisanship Explains the Adoption of Statewide Mask Mandates in Response to COVID-19

2021· article· en· W4297243575 sur OpenAlexaff
Christopher Adolph, Kenya Amano, Bree Bang-Jensen, Nancy Fullman, Beatrice Magistro, Grace Reinke, John Wilkerson

Notice bibliographique

RevueState Politics & Policy Quarterly · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensSchwartz/Reisman Emergency Medicine InstituteUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGovernorMandateCoronavirus disease 2019 (COVID-19)Political sciencePublic administration2019-20 coronavirus outbreakScope (computer science)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PoliticsFace masksLawMedicineEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Public mask use has emerged as a key tool in response to COVID-19. We develop a classification of statewide mask mandates that reveals variation in their scope and timing. Some US states quickly mandated wearing of face coverings in most public spaces, whereas others issued narrow mandates or no mandate at all. We consider how differences in COVID-19 epidemiological indicators and partisan politics affect when states adopted broad mask mandates, starting with the earliest mandates in April 2020 and continuing through the end of 2020. The most important predictor is the presence of a Republican governor, delaying statewide indoor mask mandates an estimated 98.0 days on average. COVID-19 indicators such as confirmed case or death rates are much less important predictors. This finding highlights a key challenge to public efforts to increase mask wearing, one of the most effective tools for preventing the spread of SARS-CoV-2 while restoring economic activity.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,181
Tête enseignante GPT0,448
Écart entre enseignants0,267 · 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

Citations57
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueState Politics & Policy QuarterlyMême sujetCOVID-19 epidemiological studiesTravaux en français237 207