MétaCan
Menu
Retour à la cohorte
Enregistrement W7165546511 · doi:10.2196/88632

Impact of Repeated Exposure to Polarized Health-Related News on Explicit and Implicit Attitudes Toward Dietary Supplements: Online Experimental Study (Preprint)

2025· article· en· W7165546511 sur OpenAlexvenueno aff
Eugen‐Călin Secară, Nicolae-Adrian Opre

Notice bibliographique

RevueJMIR Infodemiology · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerceptionAffect (linguistics)Action (physics)Set (abstract data type)

Résumé

récupéré en direct d'OpenAlex

Background: Repetition is a central feature of digital news consumption, where engagement-driven algorithms often expose users to similar health-related content. Prior research suggests that repeated exposure can influence perceived truth and evaluation, but most studies use brief or decontextualized stimuli and have rarely distinguished between explicit and implicit attitudes. Little is known about how repeated exposure to full-length, polarized health news shapes explicit and implicit attitudes, particularly toward familiar products such as dietary supplements. Objective: This study aims to examine whether 2 weeks of exposure to positively, negatively, or mixed-valence health news articles would alter explicit and implicit attitudes toward dietary supplements, and whether engagement mediated these effects or initial attitudes moderated them. Methods: In a preregistered 4 (group: PRO, CON, MIX, and control) × 3 (time: T0, T1, and T2) mixed experimental study, 228 participants (174 women, PRO: n=68, CON: n=51, MIX: n=52, control: n=57; mean age 2.81, SD 4.88 years) were randomly assigned to receive one full-length article per day for 2 weeks. Articles presented positive (PRO), negative (CON), mixed (MIX), or neutral space-related information (control). Explicit attitudes toward dietary supplements (perceived efficiency, harmfulness, and willingness to recommend) were assessed with visual analog scales, and implicit attitudes with an Implicit Association Test at baseline, 1 week, and 2 weeks. Mixed analysis of covariances (ANCOVAs) controlled for self-reported exposure to health-related news. Mediation, moderation, and moderated mediation analyses examined whether time spent reading and baseline attitudes influenced change. Results: The change in implicit attitudes was not significant (F6, 428=1.90; P=.08). In contrast, explicit attitudes showed a significant group × time interaction (F5.04, 428=14.34; P<.001). Explicit attitudes became more favorable in the PRO group (MΔ=14.86, SE=5.93, d=0.30; P=.02) and less in the CON (MΔ=-53.42, SE=7.35, d=1.02; P<.001) and MIX groups (MΔ=-24.56, SE=6.77, d=0.50; P=.001). At T2, the CON group reported lower explicit attitudes than the control group (MΔ=-32.84, SE=1.75, d=0.32; P=.02), and the PRO group scored higher than the CON and MIX groups (MΔ=52.08, d=0.52; P<.001 and MΔ=27.07, d=0.29; P=.03). Exploratory item analyses showed large effects of negative exposure on perceived harmfulness and recommendability. No mediation by reading time and no moderation by baseline attitudes were supported. Conclusions: Repeated exposure to polarized health-related news shifted explicit but not implicit attitudes toward dietary supplements. Negative content exerted the strongest influence. Engagement and prior attitudes did not meaningfully shape these outcomes. These findings suggest that even brief, routine exposure to polarized health information may accumulate into explicit evaluative change, underscoring the importance of balanced digital news environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,501
Écart entre enseignants0,403 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJMIR InfodemiologyMême sujetBehavioral Health and InterventionsTravaux en français237 207