Self- and informant-reported personality traits and vaccination against COVID-19
Notice bibliographique
Résumé
As COVID-19 vaccines' accessibility has grown, so has the role of personal choice in vaccination, and not everybody is willing to vaccinate. Exploring personality traits' associations with vaccination could highlight some person-level drivers of, and barriers to, vaccination. We used self- and informant-ratings of the Five-Factor Model domains and their subtraits (a) measured approximately at the time of vaccination with the 100 Nuances of Personality (100NP) item pool (N = 56,575) and (b) measured on average ten years before the pandemic with the NEO Personality Inventory-3 (NEO-PI-3; N = 3,168). We tested individual domains' and either items' (in the 100NP sample) or facets' (in the NEO-PI-3 sample) associations with vaccination, as well as their collective ability to predict vaccination using elastic net models trained and tested in independent sample partitions. Although the NEO-PI-3 domains and facets did not predict vaccination ten years later, the domains correlated with vaccination in the 100NP sample, with vaccinated people scoring slightly higher on neuroticism and agreeableness and lower on openness, controlling for age, sex, and education. Collectively, the five domains predicted vaccination with an accuracy of r = .08. Associations were stronger at the item level. Vaccinated people were, on average, more science-minded, politically liberal, respectful of rules and authority, and anxious but less spiritual, religious, and self-assured. The 100NP items collectively predicted vaccination with r = .31 accuracy. We conclude that unvaccinated people may be a psychologically heterogeneous group and highlight some potential areas for action in vaccination campaigns.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».