Dharma Nudges: A Culturally Grounded Behavioral Intervention Framework for Misinformation Prevention in Indian Digital Ecosystems
Notice bibliographique
Résumé
Misinformation on WhatsApp and other Indian digital platforms has triggered communal violence, lynchings, health crises, and democratic erosion. Western accuracy nudges, effective in individualistic WEIRD populations, show limited or inconsistent impact in India due to cultural mismatch. This paper introduces "Dharma Nudges," a culturally grounded behavioral intervention framework that translates indigenous ethical concepts (dharma, satya, sidq, sach, loka-sangraha, guru-bhakti, pitṛ-dharma, and "log kya kahenge") into short, relatable prompts delivered at the moment of forwarding. Instead of asking "Is this accurate?", these nudges activate moral identity, anticipated social emotions (honor, shame, pride), and relational accountability through questions such as "सत्य बोलना हमारा धर्म है। क्या आपने जाँच की?" or "अमानत में खयानत नहीं करते। क्या आपने तस्दीक की?" Grounded in moral-identity theory, dual-process models, and collectivist social psychology, Dharma Nudges outperform universal accuracy reminders in Indian family and community chats by aligning with relational truth concepts and high-context communication norms. The framework offers pluralistic, interfaith, and constitutional variants for Hindu, Muslim, Sikh, Christian, Gandhian, and secular audiences. Initial mechanistic lab studies (2023-2025) and qualitative fieldwork support stronger activation of reflective pausing and identity-congruent restraint compared to standard nudges. Large-scale randomized field trials on WhatsApp are in preparation. Keywords: Dharma Nudges, misinformation India, cultural nudges, behavioral interventions, WhatsApp misinformation, fake news prevention, relational accountability, moral identity, collectivist psychology, accuracy nudges India, sidq, satya, loka-sangraha, scientific temper nudge, Indian digital ecosystem, family WhatsApp groups, cross-cultural behavioral science, 2025
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».