Vaccination in a Post-truth World: The Role of Self-rated Health, (Mis)trust, and Intuition
Notice bibliographique
Résumé
This article offers a qualitative analysis of how people discursively justify and make sense of their COVID-19 vaccination intentions. Drawing on in-depth interviews with 39 people in British Columbia, Canada, just prior to the availability of a COVID-19 vaccine (Oct–Dec 2020), the objective of this study is to explore why some citizens are in favor of a COVID-19 vaccination while others are against receiving a COVID-19 vaccine. Our qualitative data reveals three key factors that inform people’s discursive justifications of their COVID-19 vaccine intention: (i) self-rated health, (ii) (mis)trust, and (iii) intuition. First, we found that vaccination justification was coordinated through participants’ self-rated views of their own health and whether they adopted an individualist or a collectivist cultural perspective of risk. Second, participants’ justification was tied to (mis)trust in government and public health initiatives, affecting participants’ upcoming willingness to receive a COVID-19 vaccination. And third, drawing on the concept of epistemic repertoires, we observed that vaccination justification was expressed through various types of intuitions that were grounded in personal “gut feelings,” religious beliefs, and scientific reasoning. Overall, our research highlights the importance of qualitatively examining the cultural and social meanings that citizens attach to vaccines and the “cultural scripts” they draw on when responding to public health vaccination initiatives. Our findings reveal the need for local, contextualized, and community generated health strategies that go beyond simply providing public health 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».