Factors associated with the perception of resentment towards the Chinese in Latin America during the first wave of the COVID-19 pandemic
Notice bibliographique
Résumé
INTRODUCTION: Resentment towards the Chinese population was perceived during the first months of the pandemic because the pandemic/disease started in that country. OBJECTIVE: To determine the factors associated with the perception of resentment towards the Chinese in Latin America during the first wave of the COVID-19 pandemic. METHODOLOGY: Analytical cross-sectional study conducted during the second semester of the pandemic in more than a dozen countries. Four questions were asked about the perception of resentment towards the Chinese (Cronbach's Alpha: 0.88); those with the highest scores on the sum of the four questions were considered to have "more resentment towards the Chinese," and descriptive and analytical statistics were obtained. RESULTS: Of the 7721 respondents, in the multivariate analysis, it was found that there was a difference according to the country; compared to Peru, those who had more resentment towards the Chinese were those residing in Paraguay (aPR: 1.29; 95%CI: 1.17-1.42; p-value < 0.001) and Bolivia (aPR: 1.52; 95%CI: 1.37-1.68; p-value < 0.001), while Chile (aPR: 0.78; 95%CI: 0.69-0.88; p-value < 0.001) had less resentment: 0.69-0.88; p-value < 0.001), Mexico (aPR: 0.68; 95%CI: 0.57-0.80; p-value < 0.001), Panama (aPR: 0.71; 95%CI: 0.59-0.86; p-value < 0.001) and Costa Rica (aPR: 0.64; 95%CI: 0.49-0.85; p-value = 0.002). DISCUSSION: There was a significant difference in resentment for each country.
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 | 0,004 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».