Étude longitudinale sur les préjugés en temps de crise sociale : exploration de l’effet des sentiments de menace intergroupe médié par l’attitude envers les mesures sanitaires pendant la COVID-19
Notice bibliographique
Résumé
Les crises sociales telles que la pandémie de COVID-19 provoquent des changements menaçants qui peuvent avoir des effets différents sur les préjugés. Les études de tels événements sont rarement longitudinales avec des échantillons nationaux représentatifs. Nous avons repris l’évaluation faite par Ferrante et al. (2022) du changement des préjugés envers les personnes d'origine chinoise sur un échantillon représentatif canadien (n=3617) avec une analyse de trajectoire semi-paramétrique (Nagin, 1999) et nous proposons un modèle de médiation des sentiments de menace symbolique et réaliste (Stephan et al., 2016) médiés par l’attitude envers les mesures sanitaires pour explorer les facteurs d'appartenance à ces trajectoires. Kachanoff et al. (2021) ont montré que la pandémie a provoqué des sentiments de menace symbolique et réaliste et que chaque menace prédit de manière opposée l'attitude envers les mesures sanitaires, car elles orientent la perception vers différents éléments de la pandémie. Les mesures sanitaires nécessitent la coopération de la population pour réduire les menaces pour la santé publique, réduisant ainsi la perception de menace réaliste, mais leur impact sur la vie sociale augmente la perception de menace symbolique. Selon ces résultats, nous proposons que la menace symbolique est liée à l'appartenance aux trajectoires de préjugés élevés via une attitude négative envers les mesures sanitaires; la menace réaliste est liée aux trajectoires de préjugés faibles via une attitude positive envers les mesures sanitaires. D'abord, nous avons reproduit l’analyse des 4 trajectoires de préjugés: (1) faible et favorable aux personnes d’origine chinoise (4,9% de l’échantillon); (2) faible et fluctuant (71,4%); (3) fort et stable (18,5%); (4) très fort et stable (5,3%). Ensuite, une analyse acheminatoire avec des liens probits, car les trajectoires sont ordonnées et ne se croisent pas, a confirmé nos hypothèses, mais avec de petites tailles d’effets: l’effet indirect de la menace symbolique est associé aux trajectoires fortes en préjugés, β= 0,062, SE= 0,02, p< 0,001; l’effet indirect de la menace réaliste est associé aux trajectoires moins fortes en préjugés, β= -0,043, SE= 0,01, p< 0,001. Plus encore, notre analyse démontre que l’attitude négative envers les mesures sanitaires est le facteur le plus fortement associé aux trajectoires, β= 0,13, SE= 0,03, p< 0,001, ce qui suggère que la coopération est importante pour réduire l’effet des menaces sur les préjugés dans une crise. Nous discutons de la nouveauté des mécanismes perceptifs en ce qui concerne la théorie des menaces intergroupes et de la pertinence de ce type d'analyse longitudinale exploratoire.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; 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 ».