Persuasive Messages for Improving Adherence to COVID-19 Prevention Behaviors: Randomized Online Experiment
Notice bibliographique
Résumé
BACKGROUND: Adherence to nonpharmaceutical interventions for COVID-19, including physical distancing, masking, staying home while sick, and avoiding crowded indoor spaces, remains critical for limiting the spread of COVID-19. OBJECTIVE: The aim of this study was to test the effectiveness of using various persuasive appeals (deontological moral frame, empathy, identifiable victim, goal proximity, and reciprocity) at improving intentions to adhere to prevention behaviors. METHODS: A randomized online experiment using a representative sample of adult Canadian residents with respect to age, ethnicity, and province of residence was performed from March 3 to March 6, 2021. Participants indicated their intentions to follow public health guidelines, saw one of six flyers featuring a persuasive appeal or no appeal, and then rated their intentions a second time. Known correlates of attitudes toward public health measures were also measured. RESULTS: Intentions to adhere to public health measures increased in all appeal conditions. The message featuring an empathy appeal resulted in a greater increase in intentions than the control (no appeal) message. Moreover, the effectiveness of persuasive appeals was moderated by baseline intentions. Deontological, empathy, identifiable victim, and reciprocity appeals improved intentions more than the control message, but only for people with lower baseline intentions to adhere to nonpharmaceutical interventions. CONCLUSIONS: Public health marketing campaigns aiming to increase adherence to COVID-19 protective behaviors could achieve modest gains by employing a range of persuasive appeals. However, to maximize impact, it is important that these campaigns be targeted to the right individuals. TRIAL REGISTRATION: ClinicalTrials.gov NCT05722106; https://clinicaltrials.gov/ct2/show/NCT05722106.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
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 ».