Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
circumstances as secret plots by malevolent groups-has flourished in recent years. However, research has typically examined only a small number of predictors in one, or a small number of, national contexts. Such approaches make it difficult to examine the relative importance of predictors, and risk overlooking some potentially relevant variables altogether. To overcome this limitation, the present study used machine learning to rank-order the importance of 115 individual- and country-level variables in predicting conspiracy theorizing. Data were collected from 56,072 respondents across 28 countries during the early weeks of the COVID-19 pandemic. Echoing previous findings, important predictors at the individual level included societal discontent, paranoia, and personal struggle. Contrary to prior research, important country-level predictors included indicators of political stability and effective government COVID response, which suggests that conspiracy theorizing may thrive in relatively well-functioning democracies.
Douglas, K.M., Sutton, R.M., Van Lissa, C.J., Stroebe, W., Kreienkamp, J., Agostini, M., et al. (2023). Identifying important individual‐ and country‐level predictors of conspiracy theorizing: a machine learning analysis. EUROPEAN JOURNAL OF SOCIAL PSYCHOLOGY, 53(6), 1191-1203 [10.1002/ejsp.2968].
Identifying important individual‐ and country‐level predictors of conspiracy theorizing: a machine learning analysis
circumstances as secret plots by malevolent groups-has flourished in recent years. However, research has typically examined only a small number of predictors in one, or a small number of, national contexts. Such approaches make it difficult to examine the relative importance of predictors, and risk overlooking some potentially relevant variables altogether. To overcome this limitation, the present study used machine learning to rank-order the importance of 115 individual- and country-level variables in predicting conspiracy theorizing. Data were collected from 56,072 respondents across 28 countries during the early weeks of the COVID-19 pandemic. Echoing previous findings, important predictors at the individual level included societal discontent, paranoia, and personal struggle. Contrary to prior research, important country-level predictors included indicators of political stability and effective government COVID response, which suggests that conspiracy theorizing may thrive in relatively well-functioning democracies.
Douglas, K.M., Sutton, R.M., Van Lissa, C.J., Stroebe, W., Kreienkamp, J., Agostini, M., et al. (2023). Identifying important individual‐ and country‐level predictors of conspiracy theorizing: a machine learning analysis. EUROPEAN JOURNAL OF SOCIAL PSYCHOLOGY, 53(6), 1191-1203 [10.1002/ejsp.2968].
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11365/1277313
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.