Anticipations des comportements des Québécois durant la pandémie de la COVID-19
Bibliographic record
Abstract
Trois enquêtes ont été effectuées auprès de 477 répondants afin de pouvoir mesurer le risque perçu des répondants à l'aide de leurs anticipations subjectives. Les trois enquêtes ont permis d'employer le modèle d'Anderson & Hsiao en utilisant des données longitudinales. De plus, les données objectives régionales fournies par le gouvernement du Québec ont servi à dresser un portrait de la situation lorsque le participant remplissait le questionnaire. Dans notre échantillon, plusieurs répondants étant en situation d'incapacité physique ou ayant des maladies chroniques étaient plus à risque, c'est-à-dire qu'ils avaient plus de chance de développer des symptômes lourds après avoir contracté la COVID-19. Dans ce sens, une régression a été effectué pour l'ensemble de l'échantillon, une pour les répondants en situation d'incapacité physique et une pour ceux ayant au minimum une maladie chronique. Les résultats démontrent que l'anticipation subjective à la période antérieure influence l'anticipation subjective d'aujourd'hui pour l'ensemble de l'échantillon et pour les répondants ayant une maladie chronique, et ce même en contrôlant les risques objectifs de transmission et de décès associés au virus. De plus, on a remarqué la présence d'un effet temporel. Effectivement, celui-ci fait diminuer le risque perçu d'attraper la COVID-19 à travers le temps pour les répondants en situation d'incapacité physique et pour l'ensemble de l'échantillon. Aussi, on a trouvé que le temps et le respect des consignes sanitaires sont inversement lié, c'est-à-dire que plus que le temps avance, moins les répondants respectent les consignes sanitaires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".