Collective pronouns, collective health actions: Predicting pandemic precautionary measures through online first-person plural pronoun usage across U.S. states
Notice bibliographique
Résumé
The COVID-19 pandemic has underscored the role of group identification in shaping collective health behaviors. Using the novel Pronoun-Influenced Collective Health Model - an integrated framework combining elements from health and social psychology theories - we investigated the relationship between online first-person plural pronoun usage and adherence to COVID-19 preventive measures across the United States. Analyzing weekly Google Trends data on English (Study 1) and Spanish (Study 2) first-person pronoun searches, alongside data on adherence to pandemic precautionary measures from early 2020 to late 2022, we found significant positive associations between relative first-person plural pronoun search volumes and adherence to social distancing, stay-at-home orders, vaccination rates, and proactive disease prevention information seeking. These associations remained robust after adjusting for potential confounding factors. A mini meta-analysis (Study 3) confirmed the consistency of our findings, revealing no significant moderation effects by language context or ecological-socio-cultural factors, suggesting broad generalizability. The implications of this research highlight the potential for tracking online collective language as a valuable indicator of and proxy for societal-level health engagement during crises. This novel digital linguistics approach, synergistically combining applied health and social psychology with big data from digital platforms such as Google, offers powerful tools for monitoring collective health actions across linguistic and cultural boundaries during large-scale health crises.
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 | 0,005 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».