Threat specificity in fear appeals: examination of fear response and motivated behavior
Notice bibliographique
Résumé
Purpose A fear appeal is a communication tactic designed to scare people into adopting desired behaviors (e.g. wash hands to avoid contracting COVID-19). While it is generally acknowledged that fear appeals can be persuasive at motivating behavior, this paper aims to identify how to optimally identify how to optimally frame the focal threat to increase their effectiveness as well as to uncover additional underlying processes. Design/methodology/approach The authors conducted four experimental studies. Findings This research validates that exposure to fear appeals can strongly motivate behavior. However, this study shows that this effect is moderated by threat specificity. Specifically, this study demonstrates that people are more motivated to engage in behaviors that facilitate threat avoidance after exposure to a personally relevant threat that represents a nonspecific (e.g. aging appearance) rather than a specific outcome (e.g. wrinkles). This effect is mediated by perceptions of assimilation (versus contrast) to the focal threat. This study reliably shows the effect across three threat domains (i.e. aging appearance, weight gain, illness) and for different behaviors. Originality/value Theoretically speaking, this study contributes to the fear appeal literature by identifying a new type of message framing that has the potential to increase fear appeal’s persuasive power, and uncovering a distinct mechanism by which fear appeals impact behavior. Practically speaking, the findings confirm that fear appeals have the potential to help marketers mobilize consumer behavior, especially when the communication highlights a nonspecific rather than specific threat.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».