Does it matter how we measure conspiracy beliefs? A test of three measurement approaches
Notice bibliographique
Résumé
Abstract Objectives In this article, we examine the extent to which respondents’ support for conspiratorial claims depends on question format. Measuring conspiracy theory beliefs in the general population is challenging, and properly capturing these beliefs is necessary if we are to understand them. Methods We conducted a preregistered vignette experiment of Canadian respondents (N = 3,518) in February 2024. In our experiment, we introduced survey respondents to conspiratorial claims in one of three ways: (1) by asking them whether they support a conspiratorial claim directly through a Likert scale with the response set from very likely to not likely at all, (2) by offering respondents a binary choice between a conspiratorial claim and an alternative claim, and (3) by offering respondents a trichotomous choice between a conspiratorial claim, an alternative claim, and an equally likely option. Results We find the trichotomous format produces the most conservative estimates of conspiracy endorsement, while the Likert format produces the most permissive estimates. In some cases, the percentage of respondents who endorsed conspiracy theories in the Likert questions was more than three times as high as in the trichotomous format, and in many cases was around twice as large. Conclusion Different question formats lead to substantially different estimates of conspiracy beliefs. While we believe that it is impossible to create completely bias‐free questions measuring conspiracy belief, researchers must acknowledge the likely biases (in particular, social desirability bias and acquiescence bias) that may be present in their survey designs.
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 | 0,297 | 0,569 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,012 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».