The protective power of dissent? A longitudinal study on cognitive and socio-emotional determinants of COVID-19 vaccine hesitancy among young people in Canada
Notice bibliographique
Résumé
COVID-19 has elicited polarized reactions to public health measures, fueling anti-vaccination movements worldwide which indicate that vaccine hesitancy represents a common expression of dissent. We investigate changes in cognitive (i.e., trust in government, conspiracy beliefs, vaccine attitudes, and other COVID-19-related factors) and socio-emotional factors (i.e., psychological distress and social support) over time, and examine if these factors are associated with COVID-19 vaccine hesitancy. A sample of Canadian young adults ( N = 2,695; 18 to 40 years old) responded to an online survey in May/June 2021 (after the first vaccination campaign) and then in November 2021 (after vaccine mandates were introduced). Based on survey answers, participants were categorized as “not hesitant”, “hesitant”, and “do not intend to get vaccinated” at each time point. Results from generalized estimating equation models indicate that vaccination hesitancy decreased over time. The importance attributed to specific COVID-19-related factors (e.g., research and science about COVID-19 vaccines, opinions of friends and family) decreased whereas psychological distress increased over time. Cognitive and socio-emotional factors were associated with vaccine hesitancy, with participants who did not intend to get vaccinated reporting the lowest psychological distress scores. We argue that dissent may be an empowering way for young people to restore a sense of personal agency via the opposition to a system perceived as illegitimate and/or unfair. These results raise important questions about potential collateral effects of top-down government and public health interventions in times of crisis.
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 ».