Risk perception and conspiracy theory endorsement predict compliance with <scp>COVID</scp> ‐19 public health measures
Notice bibliographique
Résumé
Public health measures such as spatial distancing and physical hygiene have been found effective in mitigating the spread of the coronavirus. However, there is considerable variability in individual compliance with such public health measures and factors contributing to these interindividual differences are currently still understudied. The present study set out to determine the role of risk perception and conspiracy theory endorsement on compliance with COVID-19 public health measures and explored variations in these associations across participant age and the developmental status of a country, leveraging a large multi-national data set (N = 45,772) across 66 countries/territories, collected via online survey during the early phase of the COVID-19 pandemic (between April and May 2020). Human Development Index (HDI), developed by the United Nations Development Program, was used as a proxy of a country's achievement in key dimensions of human development. Overall, higher risk perception was associated with greater compliance, particularly in individuals with greater conspiracy theory endorsement. Specifically, people from more developed countries who perceived themselves less at risk but showed stronger conspiracy theory endorsement reported the lowest compliance with COVID-19 public health measures. Findings from this study advance understanding of the interplay between risk perception and conspiracy theory endorsement in their effect on compliance with COVID-19 public health measures, under consideration of both individual-level and country-level demographic variables and have potential to inform the design of tailored interventions to fight the current and future global pandemics.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».