آسیب‌شناسی قبول اقدامات پیشگیرانه کووید 19 در ایران: نقش پریشانی اطلاعاتی و اجتناب از اطلاعات

ترابی, مهسا; میرزابیگی, مهدیه

doi:10.30484/nastinfo.2021.2964.2074

آسیب‌شناسی قبول اقدامات پیشگیرانه کووید 19 در ایران: نقش پریشانی اطلاعاتی و اجتناب از اطلاعات

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ دانشجوی دکتری علم اطلاعات و دانش‌شناسی گرایش مدیریت اطلاعات و دانش، شیراز، ایران

² دانشیار و عضو هیات علمی گروه علم اطلاعات و دانش شناسی دانشگاه شیراز

10.30484/nastinfo.2021.2964.2074

چکیده

هدف: شناسایی تأثیر پریشانی اطلاعاتی و اجتناب از اطلاعات برای اقدامات پیشگیرانه در زمان همه‌گیری کرونا. همچنین این پژوهش به‌دنبال شناسایی تأثیر مداخله‌گری اجتناب از اطلاعات بر رابطه پریشانی اطلاعاتی و قبول اقدامات پیشگیرانه است.
روش: پژوهش از ‌لحاظ هدف، کاربردی است و با روش توصیفی-پیمایشی انجام شد. جامعه پژوهش(N=16643) تمام دانشجویان دانشگاه شیراز در مقاطع تحصیلی مختلف بود که در ترم زوج سال تحصیلی ۱۳۹۹-۱۴۰۰ در حال تحصیل بودند. بر اساس جدول مورگان نمونه پژوهش ۳۷۵ دانشجو انتخاب شد. ابزار گردآوری داده‌ها پرسشنامه ترکیبی بود که دارای سه بخش پریشانی اطلاعاتی، اجتناب از اطلاعات و قبول اقدامات پیشگیرانه است. داده‌های پژوهش پس از تأیید روایی پرسشنامه توسط سه متخصص رشته‌ی علم اطلاعات و دانش‌شناسی و محاسبه‌ی پایایی (آلفای کرونباخ) هر سه بخش (پریشانی اطلاعاتی ۰/۷۸۸، اجتناب از اطلاعات ۰/۸۵۶ و قبول اقدامات پیشگیرانه ۰/۸۹۰) جمع‌آوری شدند. داده‌ها پس از پشت سرگذاشتن موج چهارم کرونا گردآوری شد.
یافته‌ها: مدل رگرسیونی قدرت پیش‌بینی متغیرهای پریشانی اطلاعاتی و اجتناب از اطلاعات در اقدامات پیشگیرانه، معنادار است (F(2, 371)=18.029, p<.001 , R²=.089). متغیر پریشانی اطلاعاتی ۱۳/۲ درصد از واریانس قبول اقدامات پیشگیرانه (رابطه‌ی معکوس و معنادار) و متغیر اجتناب از اطلاعات ۲۵/۸ درصد از واریانس قبول اقدامات پیشگیرانه (رابطه‌ی معکوس و معنادار) را تبیین می کند. همچنین یافته‌های مدل رگرسیون بلوکی نشان دهنده معناداری تأثیر مداخله‌گری متغیر اجتناب از اطلاعات (F(2, 371)=19.628, p<.000) بر رابطه‌ی متغیرهای پریشانی اطلاعاتی و انطباق با اقدامات پیشگیرانه با R²=.096 بود. متغیر پریشانی اطلاعاتی در حضور اثر مداخله‌گری اجتناب از اطلاعات، 34.5 درصد از واریانس قبول اقدامات پیشگیرانه (رابطه‌ی معکوس و معنادار) را تبیین می کند.
نتیجه‌گیری: متغیرهای پریشانی اطلاعاتی و اجتناب از اطلاعات باعث کاهش متغیر قبول اقدامات پیشگیرانه می شود و تأثیر پیش‌بینی اجتناب از اطلاعات بر قبول اقدامات پیشگیرانه بیشتر از تأثیر پیش بینی پریشانی اطلاعاتی است. از طرفی اجتناب از اطلاعات بر رابطه پریشانی اطلاعاتی و قبول اقدامات پیشگیرانه اثر مداخله‌گری تقویت‌کننده دارد و میزان قبول اقدامات پیشگیرانه، در حضور اثر اجتناب از اطلاعات کمتر می شود. به بیانی دیگر، افرادی که نمرات بالاتری در پریشانی اطلاعاتی کسب کردند و بیش از سایرین از اطلاعات در زمینه‌کرونا اجتناب می‌کردند، به میزان کمتری از اقدامات پیشگیرانه کرونا پیروی می‌کردند. همچنین هیچ رابطه‌ی معناداری بین دو متغیر اجتناب از اطلاعات و پریشانی اطلاعات مشاهده نشد.

کلیدواژه‌ها

موضوعات

رفتار اطلاعاتی

عنوان مقاله [English]

Pathology of Compliance with Covid-19 Preventive Measures in Iran: The Role of Distress by Information and Information Avoidance

نویسندگان [English]

M. Torabi ¹
M. mirzabeigi ²

¹ PhD Student of Knowledge and Information Science, Shiraz University, Shiraz, Iran

² PhD in Knowledge and Information Science, Associate Professor, Shiraz University, Shiraz, Iran,

چکیده [English]

Purpose: The study aimed to identify the impact of distress by information and information avoidance on the compliance with preventive measures and to identify the intervention effect of information avoidance about corona virus on distress by information in compliance with preventive measures.
Method: In terms of purpose this is applied research, and in terms of method is a descriptive-survey. The statistical population includes all students of Shiraz University in different academic levels who were studying in the even semester of the academic year 2021 (N = 16643). According to Morgan's table, 375 students selected as the research sample. Data collection tool was a combined questionnaire developed by Siebenhaar, et al. (2020) which had three subscales of distress by information, information avoidance and compliance with preventive measures. Research data was collected after confirming the validity of the questionnaire by three experts in the field as well as calculating the reliability (Cronbach's alpha) of all three subscales of distress by information, information avoidance and compliance with preventive measures (0.788, 0.856, 0.890).
Findings: The results showed that the regression model is significant for predicting compliance with preventive measures through the variables of distress by information and information avoidance (F (2, 371) = 18.029, p <.001, R2 = .089). The distress by information explains 13.2% of the variance of compliance with preventive measures (negative and significant) and the information avoidance variable explains 25.8% of the variance of compliance with preventive measures (negative and significant). Findings of block regression model also showed a significant effect of information avoidance intervention (F (2, 371) = 19.628, p <.000) on the relationship between distress by information and compliance with preventive measures with R2 = .096. The distress by information in the presence of the intervention effect of information avoidance explains 34.5% of the variance of compliance with preventive measures.
Conclusion: The results showed that the distress by information variable and the information avoidance variable reduce the compliance with preventive measures. Moreover, the predicting influence of information avoidance is more than the predicting influence of distress by information. On the other hand, information avoidance has a reinforcing intervention effect on the relationship between distress by information and compliance with preventive measures and reduces the compliance with preventive measures. In other words, people who scored higher in distress by information and avoided coronary information more, followed corona preventive measures less than others did.

کلیدواژه‌ها [English]

Corona
Covid-19
Infodemic
Information avoidance
Distress by Information
Compliance with Preventive Measures

مراجع

Alpers, G. W. (2010). “Avoiding treatment failures in specific phobia,” in Avoiding Threatment Failures in the Anxiety Disorders, Eds M. W. Otto and S. G. Hofmann (New York, NY: Springer), 209–230.
Bao, Y., Sun, Y., Meng, S., Shi, J., and Lu, L. (2020). 2019-nCoV epidemic: address mental health care to empower society. Lancet 395, e37–e38.
Barbour, J. B., Rintamaki, L. S., Ramsey, J. A., and Brashers, D. E. (2012). Avoiding health information. J. Health Commun. 17, 212–229. doi: 10.1080/10810730.2011.585691
Barke, A., Bleichhardt, G., Rief, W., and Doering, B. K. (2016). The cyberchondria severity scale (CSS): German validation and development of a short form. Int. J. Behav. Med. 23, 595–605. doi: 10.1007/s12529-016-9549-8
Betsch, C., Korn, L., Felgendreff, L., Eitze, S., Schmid, P., Sprengholz, P., et al. (2020a). COVID-19 snapshot monitoring (COSMO) – Welle 10 (05.05.2020). PsychArchives [Preprint]. doi: 10.23668/PSYCHARCHIVES.2900
Bults, M., Beaujean, D. J. M. A., de Zwart, O., Kok, G., van Empelen, P., van Steenbergen, J. E., et al. (2011). Perceived risk, anxiety, and behavioural responses of the general public during the early phase of the influenza A (H1N1) pandemic in the Netherlands: results of three consecutive online surveys. BMC Public Health 11:2. doi: 10.1186/1471-2458-11-2
Cheng, C. C., Lam, T. H., and Cheng, K. K. (2020). Mass masking in the COVID-19 epidemic: people need guidance. Lancet 395:945. doi: 10.1016/S0140-6736(20) 30547-X
Emanuel, A. S., Kiviniemi, M. T., Howell, J. L., Hay, J. L., Waters, E. A., Orom, H., et al. (2015). Avoiding cancer risk information. Soc. Sci. Med. 147, 113–120.10.058
Fischhoff, B., Wong-Parodi, G., Garfin, D. R., Holman, E. A., and Silver, R. C. (2018). Public understanding of Ebola risks: mastering an unfamiliar threat. Risk Anal. 38, 71–83.
Garfin, D. R., Silver, R. C., & Holman, E. A. (2020). The novel coronavirus (COVID-2019) outbreak: Amplification of public health consequences by media exposure. Health psychology, 39(5), 355.
Hightow, L. B., Miller, W. C., Leone, P. A., Wohl, D., Smurzynski, M., and Kaplan, A. H. (2003). Failure to return for HIV posttest counseling in an SDT clinic population. AIDS Educ. Prevent. 15, 282–290.
Howell, J. L., and Shepperd, J. A. (2013b). Reducing health-information avoidance through contemplation. Psychol. Sci. 24, 1696–1703. doi: 10.1177/0956797613478616
Howell, J. L., & Shepperd, J. A. (2016). Establishing an information avoidance scale. Psychological Assessment, 28(12), 1695.
Jones, J. H., and Salathe, M. (2009). Early assessment of anxiety and behavioral response to novel swine-origin influenza A (H1N1).
Khosravi, M. (2020). Perceived risk of COVID-19 pandemic: the role of public worry and trust. Electron. J. Gen. Med. 17, 1–2.
Kim, L., Fast, S. M., & Markuzon, N. (2019). Incorporating media data into a model of infectious disease transmission. PloS one, 14(2), e0197646.
Klemm, C., Das, E., & Hartmann, T. (2016). Swine flu and hype: a systematic review of media dramatization of the H1N1 influenza pandemic. Journal of Risk Research, 19(1), 1-20.
McDonnell, W. M., Nelson, D. S., and Schunk, J. E. (2012). Should we fear “the flu” itself? Effects of H1N1 influenza fear on ED use. Am. J. Emerg. Med. 30, 275–282. doi: 10.1016/j.ajem.2010.11.027
Miles, A., Voorwinden, S., Chapman, S., and Wardle, J. (2008). Psychologic predictors of cancer information avoidance among older adults: the role of cancer fear and fatalism. Cancer Epidemiol.Biomark. Prevent. 17, 1872–1880. doi: 10.1158/1055-9965.EPI-08-0074
Mitchell, A., Oliphant, J. B., and Shearer, E. (2020). About Seven-in-Ten U.S. Adults Say They Need to Take Breaks From COVID-19 News. Washington, DC: Pew Research Center, 1–5.
Orom, H., and Shepperd, J. A. (2015). Avoiding cancer risk information. Soc. Sci. Med. 147, 113–120. doi: 10.1016/j.socscimed.2015.10.058.
Pfefferbaum, B., Newman, E., Nelson, S. D., Nitiéma, P., Pfefferbaum, R. L., and Rahman, A. (2014). Disaster media coverage and psychological outcomes: descriptive findings in the extant research. Curr. Psychiatry Rep. 16:464. doi: 10.1007/s11920-014-0464-x
Pittig, A., Hengen, K., Bublatzky, F., and Alpers, G. W. (2018). Social and monetary incentives counteract fear-driven avoidance: evidence from approach-avoidance decisions. J. Behav. Ther. Exp. Psychiatry 60, 69–77. doi: 10.1016/j.jbtep.2018.04.002
Pittig, A., Schulz, A. R., Craske, M. G., and Alpers, G. W. (2014). Acquisition of behavioral avoidance: task-irrelevant conditioned stimuli trigger costly decisions. J. Abnorm. Psychol. 123, 314–329. doi: 10.1037/a0O36136
Qiu, J., Shen, B., Zhao, M., Wang, Z., Xie, B., and Xu, Y. (2020). A nationwide survey of psychological distress among Chinese people in the COVID- 19 epidemic: implications and policy recommendations. Gen. Psychiatry 33: e100213. doi: 10.1136/gpsych-2020-100213
Rajkumar, R. P. (2020). COVID-19 and mental health: a review of the existing literature. Asian J. Psychiatry 52, 1–5. doi: 10.1016/j.ajp.2020.102066
Rubin, G. J., Amlot, R., Page, L., and Wessely, S. (2009). Public perceptions, anxiety, and behavior change in relation to the swine flu outbreak: cross sectional telephone survey. BMJ 339: b2651. doi: 10.1136/bmj.b2651
Rubin, G. J., Potts, H. W. W., and Michie, S. (2010). The impact of communications about swine flu (influenza A H1N1v) on public responses to the outbreak: results from 36 national telephone surveys in the UK. Health Technol.
Siebenhaar, K. U., Köther, A. K., & Alpers, G. W. (2020). Dealing with the COVID-19 infodemic: Distress by information, information avoidance, and compliance with preventive measures. Frontiers in psychology, 11, 2981.
Song, S., Yao, X., & Wen, N. (2021). What motivates Chinese consumers to avoid information about the COVID-19 pandemic? The perspective of the stimulus-organism-response model. Information Processing & Management, 58(1), 102407.
Soroya, S. H., Farooq, A., Mahmood, K., Isoaho, J., & Zara, S. E. (2021). From information seeking to information avoidance: Understanding the health information behavior during a global health crisis. Information processing & management, 58(2), 102440.
Sweeny, K., Melnyk, D., Miller, W., & Shepperd, J. A. (2010). Information avoidance: Who, what, when, and why. Review of general psychology, 14(4), 340-353.
Taber, J. M., Klein, W. M. P., Ferrer, R. A., Lewis, K. L., Harris, P. R., Shepperd, J. A., et al. (2015). Information avoidance tendencies, threat management resources, and interest in genetic sequencing feedback. Ann. Behav. Med. 49, 616–621.
Taha, S. A., Matheson, K., and Anisman, H. (2014). H1N1 was not all that scary: uncertainty and stressor appraisals predict anxiety related to a coming viral threat. Stress Health 30, 149–157. doi: 10.1002/smi.2505
Thompson, R. R., Garfin, D. R., Holman, E. A., & Silver, R. C. (2017). Distress, worry, and functioning following a global health crisis: A national study of Americans’ responses to Ebola. Clinical psychological science, 5(3), 513-521.
Torales, J., Higgins, M. O., Castaldelli-maia, J. M., and Ventriglio, A. (2020). The outbreak of COVID-19 coronavirus and its impact on global mental health. Int. J. Sco. Psychiatry 66, 317–320. doi: 10.1177/0020764020915212
Wang, C., Pan, R., Wan, X., Tan, Y., Xu, L., Ho, C. S., et al. (2020). Immediate psychological responses and associated factors during the initial stage of the 2019 coronavirus disease (COVID-19) epidemic among the general population in China. Int. J. Environ. Res. Public Health 17:1729. doi: 10.3390/ ijerph17051729
Wheaton, M. G., Abramowitz, J. S., Berman, N. C., Fabricant, L. E., and Olatunji, B. O. (2012). Psychological predictors of anxiety in response to the H1N1 (swine flu) pandemic. Cogn. Ther. Res. 36, 210–218. doi: 10.1007/s10608-011- 9353-3
Williams-Piehota, P., Pizarro, J., Schneider, T. R., Mowad, L., and Salovey, P. (2005). Matching health messages to monitor-blunter coping styles to motivate screening mammography. Health Psychol. 24, 58–67. doi: 10.1037/0278-6133. 24.1.58