Étude longitudinale sur les préjugés en temps de crise sociale : exploration de l’effet des sentiments de menace intergroupe médié par l’attitude envers les mesures sanitaires pendant la COVID-19
Bibliographic record
Abstract
Les crises sociales telles que la pandémie de COVID-19 provoquent des changements menaçants qui peuvent avoir des effets différents sur les préjugés. Les études de tels événements sont rarement longitudinales avec des échantillons nationaux représentatifs. Nous avons repris l’évaluation faite par Ferrante et al. (2022) du changement des préjugés envers les personnes d'origine chinoise sur un échantillon représentatif canadien (n=3617) avec une analyse de trajectoire semi-paramétrique (Nagin, 1999) et nous proposons un modèle de médiation des sentiments de menace symbolique et réaliste (Stephan et al., 2016) médiés par l’attitude envers les mesures sanitaires pour explorer les facteurs d'appartenance à ces trajectoires. Kachanoff et al. (2021) ont montré que la pandémie a provoqué des sentiments de menace symbolique et réaliste et que chaque menace prédit de manière opposée l'attitude envers les mesures sanitaires, car elles orientent la perception vers différents éléments de la pandémie. Les mesures sanitaires nécessitent la coopération de la population pour réduire les menaces pour la santé publique, réduisant ainsi la perception de menace réaliste, mais leur impact sur la vie sociale augmente la perception de menace symbolique. Selon ces résultats, nous proposons que la menace symbolique est liée à l'appartenance aux trajectoires de préjugés élevés via une attitude négative envers les mesures sanitaires; la menace réaliste est liée aux trajectoires de préjugés faibles via une attitude positive envers les mesures sanitaires. D'abord, nous avons reproduit l’analyse des 4 trajectoires de préjugés: (1) faible et favorable aux personnes d’origine chinoise (4,9% de l’échantillon); (2) faible et fluctuant (71,4%); (3) fort et stable (18,5%); (4) très fort et stable (5,3%). Ensuite, une analyse acheminatoire avec des liens probits, car les trajectoires sont ordonnées et ne se croisent pas, a confirmé nos hypothèses, mais avec de petites tailles d’effets: l’effet indirect de la menace symbolique est associé aux trajectoires fortes en préjugés, β= 0,062, SE= 0,02, p< 0,001; l’effet indirect de la menace réaliste est associé aux trajectoires moins fortes en préjugés, β= -0,043, SE= 0,01, p< 0,001. Plus encore, notre analyse démontre que l’attitude négative envers les mesures sanitaires est le facteur le plus fortement associé aux trajectoires, β= 0,13, SE= 0,03, p< 0,001, ce qui suggère que la coopération est importante pour réduire l’effet des menaces sur les préjugés dans une crise. Nous discutons de la nouveauté des mécanismes perceptifs en ce qui concerne la théorie des menaces intergroupes et de la pertinence de ce type d'analyse longitudinale exploratoire.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".