Impact of Repeated Exposure to Polarized Health-Related News on Explicit and Implicit Attitudes Toward Dietary Supplements: Online Experimental Study (Preprint)
Notice bibliographique
Résumé
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 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 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».