Demographic and COVID Experience Predictors of COVID-19 Risk Perception among Chinese Residents in Canada
Notice bibliographique
Résumé
The current study aimed to identify demographic and COVID experience predictors for COVID-19 risk perception among Chinese residents in Canada. A final sample of 653 participants aged 18 and up completed an online survey in simplified Chinese during the peak of the first wave of COVID-19 (25 April–10 June 2020). After removing those with missing data on demographic covariates, as missing data cannot be imputed, 444 were included in the structural equation model, and COVID-19 risk perception was indexed by three outcome variables: self-infection risk perception (i.e., likelihood of personal infection of COVID-19); threat perception (i.e., whether the pandemic is a real threat); and future infection rate prediction (i.e., a latent variable for community, Ontario, Canada, and World infection rate predictions). Predictors included demographic (i.e., income, gender, education, age, household size, employment status, and life satisfaction) and COVID experience variables (i.e., personal connection with confirmed or suspected COVID-19 cases, self-isolation experience, perceived anti-Chinese discrimination, and confusion over COVID-19 information). In the structural equation model, we found increased risk perception for the following demographic and COVID experience predictors; women, relatively higher education, living alone, working in a medical field, lower in life satisfaction, having personal connection with confirmed or suspected COVID-19 cases, with perceived anti-Chinese discrimination, or showing high confusion over COVID-19 information.
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 | 0,001 | 0,002 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».