A Study of Sociocultural Adaptation for Practices of Religious Doctrines during the Covid-19 Pandemic and Using the Religious Dimension to Prevent and Mitigate the Covid-19 Pandemic
Notice bibliographique
Résumé
This article presents the findings of a study on the effects of sociocultural adaptation on religious practices during the COVID-19 pandemic and the utilization of the religious dimension to prevent and mitigate the spread of the virus. The results stem from a mixed-methods research approach involving quantitative and qualitative data collection from 15,505 participants through questionnaires. Statistical analysis comprises numerical summaries such as counts, percentages, means, standard deviations, and qualitative content analysis. Data presentation employed descriptive analytics. Findings revealed: 1) Among Thai followers, a high adherence to religious practices was observed (94.62%). Brahmanism-Hinduism adherents demonstrated the highest adherence (100.00%), followed by Sikhs (94.60%), Muslims (93.60%), Buddhists (92.50%), and Christians (92.43%). 2) Sociocultural adaptation for religious practices during the pandemic aligned with public health guidelines, emphasizing social distancing, mask-wearing, and frequent hand sanitization. 3) Clear directives were established for utilizing religious practices to combat COVID-19, ensuring conformity with the Ministry of Public Health protocols for all religious ceremonies, both auspicious and inauspicious. Additionally, education played a vital role in disseminating these guidelines effectively to religious communities, fostering greater compliance and understanding.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».