Personality Factors and Health Beliefs Related to Attitudes Toward Wearing Face Masks During the COVID-19 Pandemic
Notice bibliographique
Résumé
Abstract: Background: The COVID-19 virus is a worldwide pandemic health emergency. Although preventative measures have been put in place in an attempt to control its spread, their implementation has been met with resistance. Aims: To verify the nature of the health belief and personality factors associated with favorable attitudes toward face-mask use during the COVID-19 pandemic in Canada. Methods: A sample of N = 680 completed an online survey that included attitudes toward wearing face masks, measures of both malevolent (Machiavellianism, grandiose narcissism, and psychopathy) and benevolent (socially responsible) personality traits, along with a set of health beliefs surrounding COVID-19 (perceived severity and susceptibility, etc.) and the use of face masks (perceived benefits and barriers, cues to action, and self-efficacy). Results: Lower perceived susceptibility, lower perceived benefits, and higher perceived barriers to face-mask use, being more motivated by cues to action, being female, and lower levels of grandiose narcissism were uniquely related to more favorable attitudes toward wearing face masks. The relation between socially responsible personality and mask-wearing attitudes was moderated by perceived severity. Namely, higher levels of socially responsible personality predicted more favorable attitudes but only when perceived severity was also high (with the reverse being evident for those who perceived the severity as being low). Limitations: The data relies on self-reports obtained cross-sectionally from a sample of university students. Conclusions: This study sheds light on the link between pro-mask attitudes and both benevolent/malevolent personality traits and the social-contextual factors related to the enactment of preventative health behaviors.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».