Social polarization and behavioral intentions during the COVID-19 Pandemic
Notice bibliographique
Résumé
Social polarization and behavioral intentions during the COVID-19 Pandemic (SPBICOVID) The SPBICOVID dataset addresses a critical research question: Are there modifiable factors associated with attitudes toward violent radicalization and COVID-19-related behavioral intentions? By including questions about experiences of adversity, beliefs in conspiracy theories, time spent online, support for violence, and levels of social connection, this dataset aims to inform multisectoral collaborations and guide program design to increase receptiveness to public health interventions, reduce social polarization, and better understand the interplay between psychosocial risk factors and maladaptive behaviors. Data Collection and Processing: Data was collected between January and March 2023 using a Qualtrics research panel service. The sample was designed to be representative of the Northeastern region of the United States. The survey was disseminated in English to participants (n=999) between the ages of 18-40 years old in New England (Maine, New Hampshire, Massachusetts, Connecticut, Rhode Island, and Vermont). The survey topics include demographic information, experiences with discrimination, bullying, acts of violence, COVID-19 exposure, perspectives on COVID-19 and vaccine conspiracy, social media use, social polarization, depression and anxiety, and support for violent radicalization and future orientation. Responses were anonymized and cleaned by Qualtrics to ensure all respondents answered the survey questions thoughtfully. The dataset was further cleaned by the research team to standardize qualitative responses for analyses.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».