Toxic cocktail of media and politics: an emerging challenge in public health
Notice bibliographique
Résumé
BACKGROUND AND AIM: Recent trends in a complex combination of media and political interference have become potentially detrimental to spreading the correct public health information and eventually influencing public opinion and behavior in negative ways. This presentation aims to present data on the impact political views, media consumption, and COVID-19 exposure has on prevention behavior in the United States. METHOD: A survey (n=258) assessing demographics, political ideology, COVID-19 exposure, and mask adherence was distributed throughout various social media platforms from April - May 2021. STATA was used to conduct chi-squared tests, spearman rank correlations, and regression analyses. RESULTS: Findings suggest that political ideals and media consumption impact COVID-19 prevention behavior in the US, particularly significant associations between media linked with political ideology. For example, people who reported getting news from Facebook (p 0.01) or Fox News (p 0.01), both reported more by Republicans (Facebook and Fox News p 0.01), were less likely to wear their mask “always.” Additionally, those with high conservativism scores were less likely to wear masks. CONCLUSIONS: The interactions between politicized and polarized media, political ideals, and COVID-19 prevention behavior highlights the importance of unbiased media and unified federal responses to significant health crises like the COVID-19 pandemic. Similarly, polarized and biased media may influence public policy responses for other public health disasters, like climate crises and mitigation (such as promotion of renewables, carbon tax).
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 | 0,015 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,015 | 0,015 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,006 |
| 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 ».