COVID-19 Increased Mortality Salience, Collectivism, and Subsistence Activities: A Theory-Driven Analysis of Online Adaptation in the United States, Indonesia, Mexico, and Japan
Notice bibliographique
Résumé
How does a life-threatening pandemic affect a culture? The Theory of Social Change, Cultural Evolution, and Human Development predicts that danger, as indicated by rising death rates and narrowing social worlds, shifts human psychology and behavior toward that found in small-scale, collectivistic, and rural subsistence ecologies. In particular, mortality salience, collectivism, and engagement in subsistence activities should increase as death rates rise and the social world retracts. Studies on the psychological response to the pandemic in the United States confirmed these predicted increases. The present study sought to generalize these previous findings by comparing the frequency of conceptually relevant linguistic terms used in Google searches and Twitter posts in the United States, Japan, Indonesia, and Mexico for 30 days before the coronavirus pandemic began in each country with frequencies of the same terms for 30 days after. Generally, we found that mortality salience increased to the extent that countries experienced excess COVID mortality; collectivism increased to the extent that countries experienced excess COVID mortality and increased mortality salience; and subsistence activities increased to the extent that countries experienced excess COVID mortality and/or stay-at-home-policies. Almost all these increases went beyond the general increase in internet use, which was a control variable in all analyses. These findings support a growing body of research documenting a human response to ecological danger.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».