The Risk Perception of the Chinese Diaspora during the COVID-19 Pandemic: Targeting Cognitive Dissonance through Storytelling
Notice bibliographique
Résumé
The global COVID-19 pandemic in 2020 required risk communications to mitigate the virus' spread. However, social media not only conveyed health information to minimize the contagion, but also distracted from the threat by linking it to an externalized 'other'-primarily those appearing to be of Chinese descent. This disinformation caused the attribution of blame to Chinese people worldwide. In Canada's Greater Toronto Area, Chinese individuals reported widespread public stigma that compounded their risk of contagion; to the degree that it was driven by cognitive dissonance, it generated experiences of social and cultural vulnerability. In this paper, we draw on the aforementioned study's findings to explain how the risk perception and threat appraisal of Chinese diaspora individuals were impacted by different cognitive dissonance pathways. These findings explore how storytelling is a viable intervention with which to target and mitigate cognitive dissonance. Indeed, the mechanisms of cognitive dissonance can modify risk perception and mitigate social and cultural vulnerability, thereby averting potential long-term negative consequences for one's mental health and well-being. We hope our guidance, training educators to target pathways of cognitive dissonance by drawing on storytelling (with humour), can assist them to better convey information in ways that are more inclusive during public health emergencies.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».