Understanding COVID-19 booster information seeking in a collectivist context: the roles of social expectations, trust in experts, and uncertainty
Notice bibliographique
Résumé
Background: Effective public health communication relies on understanding how individuals seek information during health emergencies. While previous work has investigated vaccine hesitancy and acceptance, little is known regarding the psychological and social motivations behind COVID-19 booster information-seeking in collectivist societies. Objective: This study extends the Risk Information Seeking and Processing (RISP) model to explore the impact of trust in experts, risk uncertainty, and subjective informational norms on the public's intention to seek information regarding COVID-19 booster shots in China. Methods: A national survey of 616 adults in China was undertaken. Structural equation modeling (SEM) examined hypothesized relationships among perceived advantages and disadvantages, affective responses, lack of information, trust in the expertise of others, uncertainty, perceived control over behavior, and social norms. Results: Informational subjective norms were the most significant predictor of intentions to seek information, indicating the influence of collectivist expectations on individual action. Trust in experts was positively associated with perceived risks and inversely related to perceived benefits-and decreased perceived information insufficiency. Uncertainty increased individuals' perceived ability to gather and interpret information, but affective responses had limited direct effects. Conclusion: Findings highlight the need to incorporate social norms, trust relationships, and uncertainty management into public health education campaigns to support vaccine promotion. This study offers empirical evidence for designing culturally adaptive communication interventions that promote booster uptake among collectivist societies and comparable environments.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».