Eliciting altruism in a video intervention to increase COVID-19 vaccination intentions amongst younger adults
Notice bibliographique
Résumé
Depuis la découverte du virus SARS-CoV-2 en 2020, la pandémie de COVID-19 a infecté plus de 500 millions de personnes et causé 6,1 millions de décès dans le monde. Grâce à un financement rapide et à la recherche collaborative de scientifiques du monde entier, des vaccins sûrs et efficaces contre la COVID-19 ont été mis au point en un temps record. Cependant, l’hésitation à la vaccination, en particulier chez les jeunes adultes, a constitué une menace importante à la réduction de la propagation du virus et au décroissement de la pandémie. Des études antérieures ont montré que faire appel à des messages altruistes peut être efficace pour augmenter l’acceptation des vaccins. La présente étude a évalué l’efficacité d’une brève vidéo suscitant l’altruisme pour accroître l’acceptation du vaccin chez les jeunes Canadiens. Dans le cadre d’un sondage en ligne utilisant un modèle d’essai contrôlé randomisé pré-à-post, nous avons randomisé des Canadiens âgés de 20 à 39 ans dans un rapport de 1:1 par rapport au groupe d’intervention vidéo ou à un groupe témoin actif composé d’informations textuelles concernant des comportements préventifs liés à la COVID-19 autres que la vaccination. Nous avons constaté un changement significatif au sein du groupe d’intervention vidéo, tandis que la différence entre les deux groupes n’était pas significative. De plus, dans le groupe d’intervention vidéo, nous avons constaté que ceux qui n’avaient pas encore pensé à la vaccination et ceux qui étaient indécis quant au vaccin contre la COVID-19 étaient plus enclins à accepter un vaccin que ceux qui avaient décidé de ne pas recevoir le vaccin. Ces résultats démontrent que les messages suscitant l’altruisme pourraient être utilisés pour accroître l’adoption du vaccin chez les jeunes Canadiens, en particulier ceux qui ne sont pas déjà complètement résistants à la vaccination. Cette étude peut informer les autorités de santé publique dans la création de messages ciblés et peut être adaptée au contexte actuel de la pandémie de COVID-19 ou d’autres maladies évitables par la vaccination
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».