Social cohesion predicts COVID‐19 vaccination intentions and uptake
Notice bibliographique
Résumé
Abstract COVID‐19 vaccination is widely regarded as an individual decision, resting upon individual characteristics and demographic factors. In this research, we provide evidence that psychological group membership, and more precisely, social cohesion—a multidimensional concept that encompasses one's sense of connectedness to, and interrelations within, a group—can help us understand COVID‐19 vaccination intentions (Study 1) and uptake (Study 2). Study 1 is a repeated‐measures study with a representative sample of 3026 Australians. We found evidence that social cohesion can be conceptualised as a multidimensional structure; moreover, social cohesion at Wave 1 (early in the COVID‐19) predicted greater vaccination intention and lower perceived risk of vaccination at Wave 2 (4 months later). In Study 2 (a cross‐sectional study, N = 499), the multidimensional structure of social cohesion was associated with greater uptake of vaccine doses (in addition to willingness to receive further doses and perceived risk of the vaccine). These relations were found after controlling for a series of demographic (i.e., sex, age, income), health‐related factors (i.e., subjective health; perceived risk; having been diagnosed with COVID‐19), and individual differences (political orientation, social dominance orientation, individualism). These results demonstrate the need to go beyond individual factors when it comes to behaviours that protect groups, and particularly when examining COVID‐19 vaccination—one of the most important ways of slowing the spread of the virus.
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 | 0,001 | 0,000 |
| 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 | 0,003 | 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 ».