Blaming the unvaccinated during the COVID-19 pandemic: the roles of political ideology and risk perceptions in the USA
Notice bibliographique
Résumé
Individuals unvaccinated against COVID-19 (C19) experienced prejudice and blame for the pandemic. Because people vastly overestimate C19 risks, we examined whether these negative judgements could be partially understood as a form of scapegoating (ie, blaming a group unfairly for an undesirable outcome) and whether political ideology (previously shown to shape risk perceptions in the USA) moderates scapegoating of the unvaccinated. We grounded our analyses in scapegoating literature and risk perception during C19. We obtained support for our speculations through two vignette-based studies conducted in the USA in early 2022. We varied the risk profiles (age, prior infection, comorbidities) and vaccination statuses of vignette characters (eg, vaccinated, vaccinated without recent boosters, unvaccinated, unvaccinated-recovered), while keeping all other information constant. We observed that people hold the unvaccinated (vs vaccinated) more responsible for negative pandemic outcomes and that political ideology moderated these effects: liberals (vs conservatives) were more likely to scapegoat the unvaccinated (vs vaccinated), even when presented with information challenging the culpability of the unvaccinated known at the time of data collection (eg, natural immunity, availability of vaccines, time since last vaccination). These findings support a scapegoating explanation for a specific group-based prejudice that emerged during the C19 pandemic. We encourage medical ethicists to examine the negative consequences of significant C19 risk overestimation among the public. The public needs accurate information about health issues. That may involve combating misinformation that overestimates and underestimates disease risk with similar vigilance to error.
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 | 0,012 | 0,024 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».