MétaCan
Menu
Retour à la cohorte
Enregistrement W4392280840 · doi:10.1093/poq/nfad062

Trump Support Explains COVID-19 Health Behaviors in the United States

2024· article· en· W4392280840 sur OpenAlexfundno aff
Shana Kushner Gadarian, Sara Wallace Goodman, Thomas B. Pepinsky

Notice bibliographique

RevuePublic Opinion Quarterly · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePopulism, Right-Wing Movements
Établissements canadiensnon disponible
Organismes subventionnairesLondon School of Economics and Political ScienceCampbell InstituteMcGill UniversityDartmouth CollegeSage FoundationRussell Sage FoundationSyracuse UniversityNational Science Foundation
Mots-clésOpposition (politics)PandemicPolitical scienceCoronavirus disease 2019 (COVID-19)IdeologyCharismaPoliticsScholarshipPolitical economyPublic healthSociologyLawMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract A wide range of empirical scholarship has documented a partisan gap in health behaviors during the COVID-19 pandemic in the United States, but the political foundations and temporal dynamics of these partisan gaps remain poorly understood. Using an original six-wave individual panel study (n = 3,000) of Americans throughout the course of the COVID-19 pandemic, we show that at the individual level, partisan differences in health behavior grew rapidly in the early months of the pandemic and are explained almost entirely by individual support for or opposition to President Trump. Our results comprise powerful evidence that Trump support (or opposition), rather than ideology or simple partisan identity, explains partisan gaps in health behavior in the United States. In a time of populist resurgence around the world, public health efforts must consider the impact of charismatic authority in addition to entrenched partisanship.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,759
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,409
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Opinion QuarterlyMême sujetPopulism, Right-Wing MovementsTravaux en français237 207