Resumo

Há uma preocupação crescente de que os pesquisadores de informações online sejam excessivamente confiantes e, portanto, procurem amplamente por informações que reforcem suas atitudes anteriores, cegos pelo viés de confirmação. Este estudo testa se esse efeito pode ser reduzido em plataformas de agregação de conteúdo, quando as nuvens de tags sociais mostram tópicos populares entre os especialistas. Manipulamos (1) a confiança nas atitudes anteriores e (2) a credibilidade da comunidade de especialistas que marcou o conteúdo. Descobrimos que ambos os fatores influenciam a navegação de maneiras diferentes. Em primeiro lugar, a confiança na atitude moderou a influência de atitudes anteriores ao escolher a quantidade de conteúdo consistente com a atitude em postagens de blog para ler. Quando a confiança na atitude era alta, as atitudes anteriores estavam positivamente associadas à seleção de postagens do blog, quando baixa, não positivamente associadas. Depois da navegação, quando a confiança era alta, o conteúdo das postagens de blog com atitude consistente foi avaliado de forma mais favorável, ao passo que, quando a confiança era baixa, postagens de blog com atitude inconsistente foram avaliadas de forma mais favorável. Em segundo lugar, a credibilidade da fonte moderou a influência de atitudes anteriores na seleção da etiqueta. Quando a credibilidade da fonte era baixa, as atitudes anteriores orientavam a seleção da etiqueta, quando alta, não o faziam. Com baixa credibilidade de origem, as pessoas selecionaram um conteúdo mais consistente com a atitude. As descobertas avançam as teorias de marcação social, mostrando que não apenas as associações semânticas, mas também as atitudes desempenham um papel quando as pessoas selecionam e processam as marcações e conteúdo relacionado. Os resultados também mostram que a credibilidade e a confiança têm um impacto diferente em diferentes estágios de seleção e avaliação de informações. Considerando que a credibilidade é mais importante ao alternar entre as páginas,

Introdução

Em ambientes online, foi sugerido que muitas vezes nos encontramos em uma bolha de filtro ou câmara de eco, onde apenas recebemos e atendemos a informações que são consistentes com nossos pontos de vista e atitudes anteriores (por exemplo, [1-10]). Isso é chamado de viés de confirmação [1,2], e sua robustez foi amplamente documentada pela literatura (ver [1,2] para uma visão geral e [3] para uma meta-análise). O viés de confirmação é particularmente prevalente e pertinente em plataformas de conteúdo online [4-7,10], e isso fundamentalmente molda nossa busca e avaliação de informações [1,11]

O viés de confirmação pode nos colocar em um caminho particularmente prejudicial, por exemplo, quando pesquisamos informações relacionadas à saúde online [10]

A pesquisa online é tão importante que as pessoas ainda preferem pesquisar online por uma resposta a uma pergunta, mesmo que tenham uma resposta em mãos [12] Isso também sugere que os pesquisadores têm menos confiança em seu próprio conhecimento do que nas informações que encontram online [12] Mas as pessoas também estão extremamente confiantes sobre seu conhecimento, apesar das limitações reais a esse conhecimento. Essa confiança foi exibida em uma grande variedade de domínios [13] Essas descobertas mostram o papel central que a confiança desempenha na pesquisa de informações online. Assim, a questão das consequências da confiança no viés de confirmação é fundamental. No estudo apresentado aqui, investigamos se o viés de confirmação aumenta quando os pesquisadores estão altamente confiantes e percebem suas próprias atitudes como altamente válidas.

Além da confiança, a validade percebida das próprias atitudes e a validade percebida do conhecimento da comunidade online também podem influenciar o viés de confirmação. No entanto, isso implica que os pesquisadores estão equipados com a habilidade de reconhecer se uma fonte é confiável ou não. Há evidências mistas de diferentes plataformas online se as pessoas conseguem levar em conta a credibilidade da fonte de forma adequada. Uma revisão recente encontrada no contexto da pesquisa relacionada à saúde que a homofilia conduz avaliações de credibilidade do conteúdo gerado pelo usuário [14] Ou seja, as postagens do blog e as entradas do fórum de saúde são avaliadas como mais confiáveis ​​quando os autores das postagens do blog ou entradas do fórum têm dados demográficos semelhantes aos do pesquisador [14] Mas nas mídias sociais ou plataformas de agregação de conteúdo, o criador do conteúdo geralmente difere da pessoa ou comunidade que coleta e compartilha conteúdo. Testamos se os pesquisadores avaliam a credibilidade corretamente em termos de experiência da comunidade. E nos perguntamos se a percepção de que a comunidade é altamente confiável torna o pesquisador mais aberto ao conteúdo, apesar de suas atitudes anteriores.

Finalmente, exploramos como a confiança e a credibilidade moldam o viés de confirmação em diferentes estágios da busca de informações. Para fazer isso, nos baseamos na teoria mais influente da pesquisa de informação humana, a teoria de coleta de informações [15], bem como o modelo de aroma de informação estendida [16] A teoria da coleta de informações distingue entre a amplitude e a profundidade da navegação. Existem dois processos de pesquisa fundamentais: a navegação entre os patches de informação (por exemplo, diferentes sites) e a captação de informações dentro de um patch de informação (por exemplo, um único site). Com relação ao viés de confirmação, isso tem implicações de longo alcance: os indivíduos com maior confiança na atitude podem ser propensos a explorar os fragmentos de informações mais consistentes com a atitude e se concentrar nas informações consistentes com a atitude em cada fragmento. Por outro lado, quando os pesquisadores percebem a comunidade que criou e marcou o conteúdo como mais confiável e bem informada, eles podem estar abertos para se mover entre os patches e ler mais conteúdo dentro de um único patch, independentemente de suas atitudes anteriores. Curiosamente, até onde sabemos, nenhum estudo até agora investigou o viés de confirmação com respeito a essas duas atividades de pesquisa online. Além disso, exploramos se fatores como credibilidade ou confiança na atitude influenciam ambas as atividades de busca de informações.

Em suma, nossas expectativas são as mesmas para ambas as atividades de seleção (entre patch e dentro do patch). Quanto ao contexto relacionado à saúde, esperamos que as pessoas tentem encontrar o melhor tratamento objetivamente possível, não um tratamento que valide seu autoconceito [3] Portanto, quando os pesquisadores duvidam da correção objetiva de suas atitudes anteriores por causa da confiança reduzida na atitude, eles devem estar mais abertos a informações inconsistentes sobre as atitudes. Quando os pesquisadores mantêm suas atitudes anteriores com alta confiança, eles devem selecionar informações mais consistentes com as atitudes. Por outro lado, quando os pesquisadores duvidam da correção objetiva das informações fornecidas por uma comunidade de etiquetagem onde a credibilidade da fonte pode ser baixa, eles devem selecionar menos informações em geral, independentemente de atitudes anteriores. Na seção seguinte, revisaremos a literatura relevante para essas questões.

Confiança de atitude e viés de confirmação

As pessoas estão, em geral, extremamente confiantes na correção de seus conhecimentos e atitudes, uma confiança que muitas vezes é inconsistente com suas habilidades reais. Este é um fenômeno encontrado em uma ampla gama de domínios, como acadêmico, intelectual, vocacional, atlético ou mesmo em domínios médicos (para uma revisão, consulte [13]; [17-20]). Ao mesmo tempo, as pessoas não confiam suficientemente na confiança em seu próprio conhecimento, preferindo pesquisar online por uma resposta para uma pergunta, mesmo quando já sabem a resposta [12] Além disso, a confiança na atitude varia em diferentes situações e domínios. Por exemplo, ao pesquisar informações relacionadas à saúde, as pessoas podem ficar inseguras quando devem lidar com um diagnóstico ou uma doença [21,22] Ter informações online em mãos até parece aumentar o excesso de confiança, pois os pesquisadores de informações confundem o acesso à informação como tendo conhecimento [23] Então, surge a pergunta: como a confiança elevada ou reduzida diminui ou mitiga o viés de confirmação?

A confiança, em geral, tem consequências múltiplas para a seleção e julgamento das informações. Por exemplo, pessoas altamente confiantes selecionarão informações de acordo com suas atitudes anteriores [24] Por outro lado, uma meta-análise mostrou que a alta confiança tende a diminuir o viés de confirmação, uma vez que as pessoas não experimentam nenhuma ameaça ao seu próprio ponto de vista (baixa motivação de defesa [3]). Deve-se notar, no entanto, que a meta-análise também apresentou uma série de estudos em que a alta confiança não diminuiu, mas, em vez disso, aumentou o viés de confirmação [3]

Esperamos que a confiança em alta atitude aumente o viés de confirmação. Isso ocorre porque, quando manipulamos o aspecto metacognitivo da confiança na atitude, presumimos que a motivação da defesa não aumentaria [3], mas que a estimativa do indivíduo sobre a validade de suas próprias atitudes anteriores aumentaria. Quando os indivíduos consideram que suas atitudes anteriores são válidas, o viés de confirmação deve aumentar. Quando eles avaliam que suas atitudes são inválidas, o viés de confirmação deve diminuir. Isso está de acordo com a teoria da motivação da precisão, que, no contexto relacionado à saúde, implica que os pesquisadores de informações devem ser motivados a buscar informações objetivamente corretas e válidas.

Para ilustrar isso, há apenas um estudo que usou a mesma manipulação de confiança de atitude que usamos (Estudo 3; [25]). Portanto, a esse respeito, o estudo aqui apresentado é uma tentativa de replicação. No estudo original usando manipulação de confiança, os alunos primeiro leem uma versão forte ou fraca de uma mensagem persuasiva em favor de exames abrangentes. Em resposta a isso, eles foram solicitados a fornecer suas idéias sobre a mensagem. Então, para um suposto estudo não relacionado, os alunos foram instruídos a relembrar situações em que sentiram dúvida ou confiança em seus próprios pensamentos. Posteriormente, foram instruídos a relembrar os pensamentos que tiveram em resposta à mensagem persuasiva que acabaram de vivenciar. Os alunos que se lembraram de situações anteriores nas quais estavam altamente confiantes estavam mais confiantes sobre seus pensamentos sobre a mensagem do que os alunos que se lembraram de situações anteriores nas quais eles estavam em dúvida. O grau de confiança também teve consequências para o grau de persuasão. Os participantes que estavam altamente confiantes sobre seus pensamentos em resposta à mensagem também foram mais persuadidos de acordo com seus pensamentos. Este estudo mostrou que a alta confiança metacognitiva levou a mais viés de confirmação com relação à avaliação do conteúdo. Indo além desse resultado, vamos mais longe aqui para testar se a alta confiança metacognitiva levará a uma seleção de informações mais consistente de atitude.

Para concluir, como resultado da manipulação da confiança metacognitiva em um contexto relacionado à saúde, a seleção e avaliação das informações dos pesquisadores deve mudar em função da confiança na atitude. Pesquisadores altamente confiantes devem acreditar na validade de suas atitudes anteriores. Em contraste, pesquisadores menos confiantes devem perder a confiança na validade de suas atitudes e, portanto, devem procurar mais informações inconsistentes sobre atitudes e avaliar informações inconsistentes de atitudes de maneira mais favorável.

Credibilidade da fonte na pesquisa de informações online

As plataformas de marcação social e outros ambientes Web 2.0, como redes sociais, são frequentemente caracterizados pela ausência de guardiões profissionais que filtram criticamente e selecionam conteúdo de alta qualidade [26] Portanto, está nas mãos do pesquisador de informações avaliar criticamente as próprias fontes de informação. Na seção a seguir, revisaremos as descobertas sobre se as pessoas conseguem considerar a credibilidade da fonte de forma adequada, tanto no contexto online relacionado à saúde quanto em plataformas de agregação de conteúdo online, como ambientes de marcação social.

Uma meta-análise recente mostrou que, no contexto da saúde, faz diferença se as pessoas procuram informações em sites gerais ou em sites que oferecem conteúdo gerado pelo usuário [14] Para os sites, a expertise foi o fator decisivo nas avaliações de credibilidade. Mas, para o conteúdo gerado pelo usuário, a homofilia foi decisiva nas avaliações de credibilidade, de modo que os pesquisadores perceberam que os leigos que criaram o conteúdo tinham mais credibilidade quando seus dados demográficos eram semelhantes [14]

Também no contexto relacionado à saúde, mas usando mecanismos de pesquisa na web, apenas algumas pessoas conseguiram considerar a credibilidade da fonte [27] Entre os leigos que procuraram dois tratamentos concorrentes para a doença de Bechterew, os participantes que viam a web como uma fonte de conhecimento altamente (vs. menos) confiável e precisa não conseguiram refletir verbalmente sobre a credibilidade da fonte de informação. Portanto, eles inspecionavam visualmente os URLs por períodos mais curtos e eram menos propensos a selecionar resultados na parte inferior dos resultados do mecanismo de pesquisa (deixando assim de considerar as diferenças entre os resultados da pesquisa; [27]). Em um estudo de acompanhamento, os participantes que viam a web como uma fonte altamente (vs. menos) confiável de conhecimento, gastaram menos tempo em páginas com informações objetivas e eram menos propensos a basear sua recomendação de tratamento e avaliação em páginas objetivas [28] Nesse caso, uma curta intervenção melhorou o comportamento de avaliação da fonte.

No que diz respeito à apresentação visual dos resultados da pesquisa, um estudo constatou que quando os resultados da pesquisa eram apresentados em uma interface em grade, semelhante às nuvens de tags, a avaliação da fonte se tornava mais importante do que quando a apresentação era feita em formato de lista, onde também a influência da lista posição diminuiu enquanto os participantes selecionavam resultados de pesquisa mais confiáveis ​​[29] Portanto, há evidências de que as pessoas conseguem avaliar criticamente as fontes de informação [30,31], mas isso dependia de características pessoais, bem como das características visuais da interface de navegação [27]

Em relação à avaliação da fonte de informações relacionadas à saúde em sistemas de marcação social, encontramos um único estudo que investigou se as pessoas selecionam marcações que indicam a credibilidade da fonte relacionada à marcação [32] Quando os participantes que foram diagnosticados com diabetes navegaram em uma nuvem de tags com informações sobre sua condição, apenas um terço usou pelo menos uma tag relacionada à credibilidade. Quando explicitamente solicitados a pesquisar conteúdo altamente confiável, cerca de 90% usaram pelo menos uma tag relacionada à credibilidade e apenas 23% usaram exclusivamente tags relacionadas à credibilidade. Portanto, mesmo quando explicitamente solicitados a avaliar a credibilidade da fonte, os participantes avaliaram apenas parcialmente a credibilidade. Em contraste com isso, o estudo apresentado aqui não se concentra em marcas que indicam credibilidade, mas na credibilidade da comunidade que as fornece.

Nosso objetivo é avaliar se os pesquisadores consideram adequadamente a credibilidade da fonte da comunidade de etiquetagem. Variamos a experiência da comunidade ao fornecer tags e esperávamos que a alta experiência se relacionasse com a percepção de que a comunidade tinha mais credibilidade como fonte. Os autores das postagens do blog e as fontes citadas nas postagens do blog foram constantes e testadas em um estudo anterior. Em linha com a teoria de motivação de precisão para viés de confirmação [3], esperávamos que a percepção de uma comunidade como altamente confiável aumentasse a abertura para a seleção de tags e postagens de blog e aumentasse a abertura para mensagens persuasivas de postagens de blog.

Busca de informações em ambientes de marcação

Em sua descrição da busca por informações, a teoria de forrageamento de informações é baseada em uma analogia às estratégias de forrageamento de alimentos em ecologia comportamental [15] Uma das afirmações básicas é que os sistemas cognitivos visam maximizar os ganhos de informações valiosas em relação ao custo de busca, de forma análoga à busca de alimentos pelos animais. O pesquisador de informações (predador) navega em diferentes sites (diferentes patches no ambiente) estimando quais links levam a informações altamente valiosas (patches de alto rendimento, com muitas presas com alto teor calórico).

Existem duas atividades fundamentais na busca de informações: exploração entre patches, descrevendo a amplitude da pesquisa de informações, e exploração dentro de patches, descrevendo a profundidade da pesquisa e o consumo de informações. Um buscador alternará entre os patches se o próximo patch prometer um valor de informação mais alto do que o patch atual. Em contraste com a exploração entre patch, a exploração dentro do patch é a atividade de processamento de informações em um site. Para operacionalizar a navegação entre e dentro das fontes de informação, usamos um ambiente de marcação onde os pesquisadores navegam entre patches (sites separados) por meio de marcas sociais. As tags levam os pesquisadores a patches que listam várias manchetes de postagens de blog nas quais eles podem clicar para ler a postagem completa.

Quando os usuários navegam entre os patches por meio de tags (Figura 1), eles precisam estimar qual caminho de navegação os levará a um patch com informações valiosas, ou em outras palavras, os pesquisadores seguem o cheiro da informação. O cheiro da informação em sistemas de marcação social depende das associações semânticas individuais de um usuário, bem como da popularidade da marcação da comunidade de marcação (associações coletivas; [16,33,34]). Associações individuais são ativadas na memória do pesquisador e irão guiá-lo na seleção de tags que combinem com suas associações. As associações coletivas na forma de tags populares guiarão o pesquisador para selecionar as tags mais populares que são exibidas com um tamanho de fonte maior. As associações individuais e coletivas são os blocos de construção fundamentais do modelo de perfume de informação estendida [16], e literatura sobre marcação

FIG

1

Marcação

nuvem

usado

no

isto

estudar.

https://doi.org/10.1371/journal.pone.0210423.g001

apresenta associações individuais e coletivas como os principais fatores que determinam a navegação entre patches em sistemas de marcação social [16,33,34]

Ampliando esses resultados, levantamos a questão de se, além das associações semânticas individuais, as atitudes anteriores e, portanto, o viés de confirmação também influenciam a navegação entre patches em sistemas de marcação social. Um estudo preliminar mostrou que as atitudes anteriores orientavam a navegação entre os patches (seleção de tags), bem como a navegação dentro dos patches subsequente (seleção de postagens de blog em sites separados) [10] Em termos de busca de informações, esse resultado sugere que o cheiro da informação depende de atitudes anteriores. Portanto, em relação à navegação entre patches, as tags que estavam de acordo com as atitudes anteriores foram selecionadas com mais frequência. Além disso, a navegação dentro do patch, ou a seleção de postagens de blog relacionadas a tags, estava relacionada a atitudes anteriores. Como uma extensão dessas descobertas preliminares, testamos neste estudo se a influência de atitudes anteriores na navegação pode ser aumentada ou enfraquecida pela confiança na atitude. Também testamos se a alta credibilidade da comunidade contorna a influência das atitudes anteriores dos participantes e aumenta sua taxa de seleção entre e dentro dos patches, independentemente das atitudes anteriores.

Alinhamos nossas expectativas com a literatura existente sobre sistemas de marcação social, onde fatores individuais e coletivos influenciaram de forma independente a navegação e o processamento de informações [10,16,33] Assumimos que o ganho esperado dos pesquisadores da informação desejada e, portanto, o cheiro da informação dependeria de atitudes anteriores. O ganho esperado seria alto quando a informação fosse consistente com a atitude, e os pesquisadores mudariam para patches mais consistentes com a atitude selecionando as respectivas tags. Para postagens de blog, um ganho maior seria obtido ao ler postagens de blog dentro de patches de consistência de atitude, e a avaliação subsequente das postagens de blog deve ser mais favorável quando as postagens são de atitude consistente. Esses efeitos devem ser mais fortes quando a confiança na atitude é alta em comparação com baixa. Quando a credibilidade da fonte é alta, o ganho esperado deve ser maior para os patches consistentes com a atitude, bem como para os patches inconsistentes com a atitude, portanto, em geral, os pesquisadores devem navegar mais entre e dentro dos patches.

Domínio deste estudo

Para estruturar a investigação de um cenário de busca de informações relacionadas à saúde por meio do tratamento de transtornos depressivos, utilizamos as atitudes prévias dos participantes. Em muitos países, a psicoterapia é considerada mais eficaz do que os antidepressivos [35,36], embora meta-análises recentes mostrem eficácia igual, em um nível moderado, para ambos os tratamentos [37,38] Na Alemanha, por exemplo, descobrimos anteriormente que os antidepressivos eram considerados moderadamente eficazes, enquanto a psicoterapia era considerada de moderada a altamente eficaz [10] No entanto, deve-se notar que esta questão provavelmente não é altamente controversa, uma vez que uma combinação de ambas as terapias foi recomendada por uma proporção significativa de participantes em nosso estudo anterior [10]

Para medir as atitudes anteriores em relação ao domínio, e como parte da manipulação da confiança da atitude, pedimos aos participantes que apresentassem argumentos a favor e contra psicoterapia e antidepressivos. Propomos que quando um participante oferece mais argumentos a favor da terapia e menos contra ela, a avaliação geral é então positiva, refletindo uma atitude positiva (de acordo com [39]). Assim, para mensurar atitudes prévias, construímos um índice com a soma de pró e contra argumentos para psicoterapia e antidepressivos. Isso deve garantir que as atitudes relevantes para o tratamento sejam medidas em um sentido amplo e pessoal, sem restrições atuais.

Finalmente, para o domínio do tratamento da depressão relacionado à saúde, assumimos que os indivíduos são motivados pelo acerto na busca de informações. Uma revisão recente destacou duas motivações diferentes que alimentam o viés de confirmação [3] Em primeiro lugar, os indivíduos motivados pela precisão procuram selecionar objetivamente as informações corretas. Ou seja, quando a motivação pela precisão é alta, os indivíduos estão mais abertos a informações inconsistentes em relação à atitude. Isso ocorre porque os pesquisadores motivados pela precisão são mais influenciados por pistas que indicam a correção objetiva ou a validade percebida das informações [3] Em contraste com isso, a motivação de defesa leva à seleção de informações que confirmam atitudes anteriores e, assim, defendem o autoconceito de alguém. Para este estudo, nossas hipóteses estão alinhadas com a teoria da motivação da precisão, pois esperamos que, para pesquisas relacionadas à saúde, obter informações precisas seja mais importante para o pesquisador do que proteger o autoconceito.

Visão geral e hipóteses

Usamos marcas em uma nuvem de marcas sociais onde as marcas de antidepressivos eram maiores do que as relacionadas à psicoterapia. Ambos os tipos de tratamento são discutidos no contexto da saúde. Uma vez que existe uma preferência por psicoterapia em vez de antidepressivos na população [40,41], buscamos combater essa preferência para aumentar a probabilidade de quantidades iguais de cliques em ambos os tratamentos [10] Antes de navegar na nuvem de tags, no entanto, os participantes indicaram suas atitudes anteriores, fornecendo argumentos e avaliações de eficácia para antidepressivos e psicoterapia. Começamos a manipulação da atitude de confiança dos participantes, fazendo-os relembrar experiências em que se sentiam confiantes ou inseguros sobre seus pensamentos (ver [25]). Posteriormente, apresentamos uma nuvem de tags que veio de uma das duas comunidades que diferiam na alegada experiência no domínio. Por meio de nuvens de tags, os participantes navegaram entre os patches e puderam selecionar várias postagens de blog dentro de cada patch. Todas as postagens do blog destacaram a eficácia da psicoterapia ou dos antidepressivos de forma positiva. Não apresentamos nenhuma postagem de blog que comparasse os dois tipos de terapia, nem nenhuma postagem de blog que apresentasse estudos com resultados negativos. Para medir a avaliação do conteúdo dos pesquisadores como consequência da navegação, pedimos que avaliassem a eficácia do tratamento novamente, após a navegação. Por fim, conduzimos um teste de reconhecimento para as postagens de blog que os participantes leram.

Esperávamos o seguinte:

Primeiro, esperávamos nossa replicação da manipulação de confiança [25] Ser bem sucedido

(H1a). Quando a confiança na atitude é alta, as pessoas selecionam tags mais consistentes com a atitude (H1b) e postagens de blog (H1c), em comparação com quando a confiança na atitude é menor. Ou seja, na medida em que as pessoas favorecem ou desfavorecem os tratamentos, a confiança deve moderar a influência de atitudes anteriores na seleção consistente de tags e postagens de blog. A avaliação do conteúdo em termos de classificações de eficácia do tratamento após a navegação será alterada de acordo (H1d).

Em segundo lugar, os participantes reconhecerão a credibilidade da comunidade de etiquetagem (H2a). Se uma comunidade altamente confiável (comparada a uma comunidade menos confiável) fornece conteúdo, as tags (H2b) e as postagens de blog (H2c) dessa comunidade devem ser selecionadas com mais frequência. Na mesma linha, o conteúdo coletado por uma comunidade altamente confiável aumentará a mudança nas classificações de eficácia do tratamento em comparação com uma comunidade menos confiável (H2d).

Um possível efeito de interação entre a confiança na atitude e a credibilidade da fonte permanece uma questão em aberto, uma vez que, até onde sabemos, não há estudos de fundo que tenham manipulado a confiança na atitude em combinação com a credibilidade da fonte em tarefas de seleção de informações online ou offline. Uma segunda questão aberta a ser explorada é se a aquisição de conhecimento também será afetada.

Método

Recrutamento e participantes

Os participantes foram contatados por meio de uma lista de discussão. Como incentivo, os participantes tiveram a oportunidade de participar de um sorteio com certificados de presente de 50 euros da Amazon. A aprovação ética foi fornecida pelo Comitê de Ética do Knowledge Media Research Center (LEK 2014/006). Concluíram a pesquisa 138 participantes de um total de 331 pessoas que acessaram a pesquisa. Cinco participantes retiraram seus dados. Excluímos da análise os participantes que completaram o estudo duas vezes (n = 2), que não forneceram atitudes anteriores (n = 2) ou não clicaram nas tags (n = 2). Também excluímos outliers que pontuaram na verificação de manipulação de confiança de atitude com um desvio absoluto mediano maior que três (n = 2; [42]). 125 participantes foram incluídos na análise. Na amostra final, a idade variou de 19 a 64 anos (M = 24,74, DP = 6,27) e 90 participantes eram do sexo feminino (72%).

Materiais

Para navegar pelos tratamentos, fornecemos um ambiente de marcação que compreendia duas seções principais (consulte Figura 2) A parte direita da tela exibia 14 tags. Cinco tags representaram psicoterapia e cinco tags representaram antidepressivos. Quatro marcas não foram relevantes em relação ao tratamento (preconceito, cobertura da mídia, relevância social, prevalência). As etiquetas de antidepressivos eram maiores do que as etiquetas de psicoterapia, como pode ser visto emFigura 1 e Figura 2.

Na parte esquerda da tela, as postagens do blog eram apresentadas para cada tag (Figura 2) Três postagens de blog foram relacionadas a cada tag. O conteúdo das postagens do blog sobre antidepressivos (15 postagens) e psicoterapia (15 postagens) foi mantido constante com relação ao número de argumentos e extensão (média de 76,8 palavras, DP 6,1). Cada postagem descreveu um sintoma comum de transtornos depressivos e estudos científicos sobre a eficácia do respectivo tratamento. Em um estudo piloto, tínhamos certeza de que as postagens do blog eram iguais em legibilidade e credibilidade, e que não havia diferença na persuasão ou qualidade de todos os argumentos dentro dos pares de postagens do blog sobre antidepressivos e psicoterapia (Tabela S1) Inicialmente, apenas o título e a primeira frase de cada postagem do blog eram apresentados. Para ler a postagem completa do blog, os participantes tinham que clicar na primeira frase para expandir a postagem do blog.

Projeto e procedimento

O estudo compreendeu um desenho entre sujeitos 2 (confiança na atitude: alto, baixo) x 2 (credibilidade da fonte: alto, baixo). Os participantes foram atribuídos aleatoriamente a um dos quatro experimentais

Fig 2. Ambiente de marcação social usado no estudo. Publicado pela primeira vez no Journal of Medical Internet Research por [10]

https://doi.org/10.1371/journal.pone.0210423.g002

condições. Nas primeiras páginas da pesquisa online, recebemos os participantes, fornecemos uma breve revisão do procedimento do estudo, pedimos aos participantes que dessem consentimento clicando no botão “continuar” e solicitamos dados demográficos básicos. Em seguida, pedimos que apresentassem argumentos pró e contra a respeito de antidepressivos e psicoterapia (ver caixa de pré-teste emFig 3) Também pedimos que avaliassem a eficácia dos antidepressivos e da psicoterapia. Depois disso, manipulamos a confiança da atitude. Para um suposto estudo não relacionado, pedimos a eles que lembrassem de situações em que se sentiram confiantes ou inseguros sobre seus próprios pensamentos [25] Depois de terem se lembrado de tais situações, pedimos aos participantes que pensassem em seus argumentos a favor e contra a psicoterapia e os antidepressivos. Eles avaliaram o quão confiantes se sentiram sobre os argumentos que forneceram no início do estudo. Essa classificação serviu como uma verificação de manipulação para confiança na atitude.

Na tarefa de pesquisa, os participantes navegaram em uma nuvem de tags que visualizou tratamentos para a depressão. As marcas relacionadas aos antidepressivos eram maiores do que as marcas relacionadas à psicoterapia (Figura 2) Pedimos aos participantes que procurassem informações sobre a eficácia dos tratamentos para a depressão, para aconselhar um amigo hipotético. Os tratamentos eram psicoterapia ou antidepressivos. O ambiente de marcação apareceu por pelo menos cinco minutos, após os quais os participantes podiam decidir livremente navegar mais ou parar de navegar nas tags e nas postagens de blog relacionadas às tags. Após a tarefa de navegação, os participantes classificaram a credibilidade da fonte, o que forneceu uma verificação de manipulação. Novamente, os participantes foram solicitados a avaliar a eficácia dos antidepressivos e da psicoterapia. Finalmente, os participantes preencheram um teste de retenção nas postagens do blog que leram. Ao final, os participantes foram informados e tiveram a oportunidade de deixar comentários sobre o estudo.

Variáveis ​​independentes

Atitudes anteriores. Como medida de atitudes anteriores, construímos um índice da soma dos argumentos pró (valor positivo) e contra (valor negativo) separadamente para psicoterapia e antidepressivos. Cada argumento foi contado por um avaliador, que codificou cada proposição a favor e contra ambos os tratamentos. (por exemplo, contra os antidepressivos: “os antidepressivos causam dependência”; para a psicoterapia: “ajuda quando alguém escuta os seus problemas”). Validamos os argumentos contra a escala de avaliação de eficácia do tratamento antes da navegação e encontramos uma correlação entre os argumentos e as avaliações de eficácia para antidepressivos (r = .18, p <.05), mas não para psicoterapia (r = .06, ns.) .

Confiança de atitude. Para manipular a confiança na atitude, adaptamos o procedimento experimental usado por Petty e colegas (2002) para nosso estudo. Depois que os participantes forneceram

Fig 3. Procedimento experimental.

https://doi.org/10.1371/journal.pone.0210423.g003

Fig 4. Versão traduzida do banner para o grupo de baixa credibilidade de origem.

https://doi.org/10.1371/journal.pone.0210423.g004

seus argumentos a favor e contra a psicoterapia e os antidepressivos, pedimos aos participantes que relembrassem situações do passado em que se sentiram confiantes ou não sobre seus próprios pensamentos. A tarefa foi apresentada por um mínimo de 5 minutos, nos quais os participantes foram solicitados a inserir as situações em 5 caixas de entrada.

Credibilidade da fonte. Apresentamos banners que indicavam que tanto estudantes universitários (baixa especialização) ou especialistas no domínio (alta especialização) coletaram e etiquetaram os recursos. No topo da página no ambiente de marcação (acima do espaço visível emFigura 2), seja um banner de um fórum de alunos online (Fig 4), ou um banner de uma suposta associação federal de especialistas (Fig 5) foi exibido.

Variáveis ​​dependentes

Seleção de tags e postagens de blog. Como indicadores do comportamento de pesquisa dos participantes, avaliamos seus cliques em tags e postagens de blog. O uso de ambas as medidas como variáveis ​​dependentes permitiu uma análise do comportamento de pesquisa dos participantes em vários níveis de elaboração: Considerando que os cliques nas tags podem indicar um interesse geral nas fontes vinculadas a esta tag, eles não permitem uma recepção elaborada (ou seja, leitura) de conteúdo relacionado. Portanto, também analisamos a frequência de cliques nas postagens do blog, o que indicava o interesse dos participantes pelo conteúdo específico das postagens. Contamos apenas os cliques nas postagens do blog que foram exibidas por pelo menos cinco segundos, o que sugere que os participantes passaram mais tempo lendo essas postagens de forma mais completa.

Avaliações de eficácia do tratamento. Calculamos uma pontuação com classificações subjetivas de eficácia do tratamento para antidepressivos e psicoterapia. Os participantes avaliaram o grau de concordância com as afirmações sobre a eficácia de ambos os tratamentos, em uma escala de 1 (discordo totalmente) a 7 (concordo totalmente). Por exemplo: “Há evidências científicas que demonstram claramente a eficácia da psicoterapia / antidepressivos.” As classificações de eficácia foram avaliadas antes da navegação (verTabela S2; antidepressivos α de Cronbach = 0,79, psicoterapia α de Cronbach = 0,88), e após a navegação (antidepressivos α de Cronbach = 0,88, psicoterapia α de Cronbach = 0,91).

Pontuação de aquisição de conhecimento. Após a navegação, os participantes preencheram um teste de múltipla escolha (1 alvo, 2 folhas para cada postagem navegada no blog). Para alvos e foils, os participantes responderam em uma escala que varia de 1 (“completamente errado”) a 5 (“completamente correto”). Por exemplo, as perguntas de teste para a postagem do blog emFigura 2 é o seguinte: Alvo: “Pessoas que são tratadas com inibidores da serotonina apresentam menor risco de recaída em comparação com um grupo de controle.” Folha: “Os inibidores da serotonina mostram uma alta tolerabilidade.” Analisamos apenas alvos e foils relacionados a uma postagem de blog na qual os participantes clicaram. Recodificamos os hits como 1 ponto e excluímos itens

Fig 5. Versão traduzida do banner para o grupo de alta credibilidade de origem.

https://doi.org/10.1371/journal.pone.0210423.g005

não relacionado a postagens de blog que foram lidas, enquanto a categoria do meio (3: “Não sei”) foi codificada como zero pontos. Calculamos a pontuação total separadamente para psicoterapia e antidepressivos.

Resultados

Todas as análises a seguir foram conduzidas com o software estatístico R (v 3.5.0; [43]), incluindo os pacotes “glmmADMB” (v 0.8.3.3; [44]), “Tidyverse” (v 1.2.1; [45]). Um roteiro de análise totalmente reproduzível e dados estão disponíveis nos materiais complementares (verS1 Análises Estatísticas)

Atitudes anteriores

Como esperado [40,41], antes da navegação, os participantes avaliaram a psicoterapia de forma mais positiva do que os antidepressivos nas escalas de avaliação da eficácia do tratamento (antidepressivos: M = 4,23, DP = 0,93; psicoterapia: M = 5,69, DP = 0,76; t124 = 17,02, p <0,001, d = 1,73). A mesma tendência, mas um pouco mais fraca, para a psicoterapia pode ser observada ao analisar o número de argumentos sobre antidepressivos (pró: M = 2,06, DP = 1,21; contra: M = 2,69, DP = 1,36) e argumentos de psicoterapia (pró: M = 2,91 , SD = 1,39; contra: M = 1,92, SD = 1,32). Esses resultados mostraram uma tendência moderada a favor da psicoterapia em comparação com os antidepressivos (argumentos pró: t124 = 6,70, p <0,001, d = 0,65; argumentos contrários: t124 = 6,12, p <0,001, d = 0,57).

Calculamos um índice de atitudes anteriores subtraindo argumentos a favor de cada tratamento de argumentos contra o respectivo tratamento, de forma que um escore negativo de atitudes anteriores refletia uma avaliação negativa para o respectivo tratamento e um escore positivo uma avaliação positiva.

As avaliações de eficácia do tratamento foram medidas pela comparação das avaliações pré-teste (antes da navegação) e avaliações pós-teste (após a navegação).Fig 6 e Tabela S2 fornecer uma visão geral dos itens de classificação de eficácia do tratamento e distribuição de resposta.

Verificações de manipulação

Confiança de atitude. Depois que os participantes relembraram situações nas quais se sentiram confiantes ou não, eles avaliaram a confiança em seus próprios argumentos a favor ou contra um tratamento para depressão em uma escala que varia de 1 (nada) a 7 (muito). Eles também avaliaram o grau em que as seguintes qualidades descreviam seus argumentos: óbvio, duvidoso, justificado, confiável, factual, bem fundamentado, persuasivo e objetivo (α de Cronbach = 0,86). Aqueles participantes que durante a manipulação se lembraram de situações nas quais se sentiram confiantes em seus próprios pensamentos também estavam confiantes em seus argumentos sobre o tratamento (M = 5,10, DP = 0,75). Em contraste, os participantes ficaram menos confiantes em seus argumentos depois de relembrar situações nas quais não tinham confiança (M = 4,81, DP = 0,74; t123 = 2,16, p = 0,03, d = 0,39).

Credibilidade da fonte. Após a navegação, os participantes avaliaram a credibilidade da fonte de informação em uma escala que varia de 1 (nada) a 7 (alto). Eles avaliaram o grau em que as seguintes qualidades descrevem o grupo que compilou as postagens do blog: informado, consciencioso, confiável, confiável e competente (α de Cronbach = 0,89). Os participantes classificaram a fonte como mais confiável quando o grupo consistia de supostos especialistas (M = 5,23, DP = 0,95), em comparação com os alunos no primeiro semestre que foram classificados como menos confiáveis ​​(M = 4,88, DP = 0,87; t123 = 2,19, p = 0,04, d = 0,25). Assim, os participantes foram capazes de reconhecer a experiência alta e baixa da comunidade de etiquetagem, e a hipótese H2a foi apoiada.

Fig 6. Avaliações da eficácia do tratamento para cada item antes da navegação.

https://doi.org/10.1371/journal.pone.0210423.g006

Análises de navegação

Analisamos o comportamento de navegação com modelos mistos lineares generalizados [46], usando o “glmmADMB” [44], para modelar as contagens de variáveis ​​dependentes de cliques em tags [H1b] e postagens de blog [H1c]). Em primeiro lugar, comparamos os quantis empíricos e teóricos das contagens de tags e postagens de blog visualmente, o que sugeriu que os dados de contagem seguiram a distribuição de Poisson, então marcamos? os modelos com uma distribuição de Poisson com um link de log.

Como fatores fixos, incluímos as variáveis ​​independentes credibilidade e confiança (ambas 0 = baixo, 1 = alto) e o índice de atitudes anteriores. Para o modelo que prevê contagens de postagens no blog, incluímos o número de cliques em tags como uma covariável. Preditores contínuos foram padronizados. Para contabilizar o tratamento dentro dos sujeitos [47], incluímos interceptações aleatórias por participante e por tratamento.

Para ambos os modelos, a inspeção visual dos gráficos residuais não revelou quaisquer desvios óbvios de homocedasticidade ou normalidade. A estratégia de comparação do modelo foi incluir todos os efeitos principais (fixos) e interceptações aleatórias, e comparar isso com o modelo incluindo apenas a interceptação fixa e as interceptações aleatórias (Tabelas1 e 2, Passo 1). Em seguida, incluímos o termo de interação hipotético entre confiança na atitude e atitudes anteriores e comparamos isso com o modelo de efeito principal da Etapa 1 (Tabelas1 e 2, Passo 2). Para fins exploratórios, testamos separadamente se o ajuste do modelo seria melhorado ainda mais incluindo os outros termos de interação bidirecional (confiança x credibilidade, atitudes anteriores x credibilidade) e o termo de interação de três vias (atitudes anteriores x confiança x credibilidade) . A significância dos efeitos foi obtida por meio de um teste de razão de verossimilhança comparando o modelo completo com o efeito em questão ao modelo sem o efeito em questão [46]

Confiança de atitude e navegação.

Seleção de tag: Nossa hipótese é que quando a confiança na atitude é alta (vs. baixa), as pessoas deveriam selecionar marcas mais consistentes com a atitude (H1b), dependendo de suas atitudes anteriores. Os resultados mostraram que não houve relação entre a confiança e a seleção da tag ao incluir apenas

Tabela 1. Seleção de tag.

Passo 1

b

SE

p

Interceptar

0,95

10

< 0,001

Atitudes anteriores

, 03

, 04

0,52

Confiança de atitude

-.02

10

0,83

Credibilidade da fonte

0,24

10

.02

(χ2 (3) = 5,48, p = 0,14, R2 = 0,03)

Passo 2

Atitudes anteriores X atitude confiança

.01

0,08

0,87

(χ2 (1) = 0,25, p = 0,87, ΔR2 = 0,00)

etapa 3

Atitude confiança X credibilidade da fonte

0,14

20

0,51

(χ2 (1) = 0,44, p = 0,51, ΔR2 = 0,03)

Passo 4

Atitudes anteriores X credibilidade da fonte

-,21

0,08

.01

(χ2 (1) = 6,47, p = 0,01, ΔR2 = 0,00)

Etapa 5

Atitudes anteriores X atitude confiança X credibilidade da fonte

.02

0,17

0,88

(χ2 (1) = 0,02, p = 0,88, ΔR2 = 0,03)

b, coeficientes beta com preditores contínuos padronizados; SE, erro padrão; R2, Nagelkerke R2 apenas para efeitos fixos.

https://doi.org/10.1371/journal.pone.0210423.t001

Tabela 2. Seleção de postagem do blog.

Passo 1

b

SE

p

Interceptar

.29

0,14

, 04

Tags selecionadas

0,53

0,05

< 0,001

Atitudes anteriores

0,05

0,06

36

Confiança de atitude

0,05

0,13

0,71

Credibilidade da fonte

0,15

0,13

0,25

(χ2 (4) = 128,24, p = <0,001, R2 = 0,33)

Passo 2

Atitudes anteriores X atitude confiança

0,17

0,08

, 03

(χ2 (1) = 4,57, p = 0,03, ΔR2 = 0,01)

etapa 3

Atitude confiança X credibilidade da fonte

-,47

0,25

0,07

(χ2 (1) = 3,41, p = 0,407, ΔR2 = 0,02)

Passo 4

Atitudes anteriores X credibilidade da fonte

-.05

0,08

0,54

(χ2 (1) = 0,37, p = 0,53, ΔR2 = 0,00)

Etapa 5

Atitudes anteriores X atitude confiança X credibilidade da fonte

0,07

0,17

0,68

(χ2 (1) = 0,17, p = 0,68, ΔR2 = 0,02)

b, coeficientes beta com preditores contínuos padronizados; SE, erro padrão; R2, Nagelkerke R2 apenas para efeitos fixos.

https://doi.org/10.1371/journal.pone.0210423.t002

efeitos. Foi mostrado que este modelo não se ajustou aos dados melhor do que o modelo somente de interceptação (tabela 1, Etapa 1), e incluir o termo de interação entre confiança e atitudes anteriores também não melhorou o ajuste do modelo (tabela 1, Passo 2). Além disso, verificamos os possíveis efeitos de interação entre todos os preditores. Incluindo a interação bidirecional entre confiança e credibilidade (tabela 1, Etapa 3) e a interação de 3 vias (tabela 1, Etapa 5) não melhorou o ajuste do modelo em comparação com a etapa 1, ao passo que o ajuste do modelo com efeitos principais e a interação entre atitudes anteriores e confiança melhorou o ajuste mdel em comparação com a etapa 1 (tabela 1, Passo 2). No entanto, a inclusão da interação bidirecional entre as atitudes anteriores e a credibilidade da fonte mostrou uma melhoria significativa do ajuste do modelo em comparação com a Etapa 2 (tabela 1, Passo 4), que será discutido na seção abaixo (credibilidade da fonte e navegação). Portanto, a hipótese de que a confiança na atitude moderaria a influência de atitudes anteriores na seleção da etiqueta não foi suportada (H1b).

Seleção de postagem do blog: Nossa hipótese é que, quando a confiança na atitude é alta (vs. baixa), as pessoas deveriam selecionar postagens de blog mais consistentes com atitudes (H1c), dependendo de suas atitudes anteriores. Para a seleção da postagem do blog (H1c, H2c), usamos o mesmo procedimento para comparação do modelo e as mesmas variáveis ​​independentes da análise da seleção de tags, mas também incluímos o número de tags selecionadas como uma covariável. Comomesa 2 mostra, a seleção de tag previu a seleção da postagem do blog (Etapa 1), e encontramos a interação hipotética entre atitudes anteriores e confiança na atitude (Etapa 2).

Para separar a interação entre atitudes anteriores e confiança de atitude, fizemos uma análise de subgrupo separadamente para o alto (b = .13, SE = .06, p = .04) e baixo (b = -.02, SE = .05, p = 0,69) grupos de confiança, e traçou o número previsto de tags selecionadas, dependendo das atitudes anteriores (verFig 7, painel do meio). Essa descoberta apoiou nossas expectativas de que atitudes anteriores só estão associadas à seleção de postagens de blog quando a confiança é alta (H1c).

Fig 7. Visão geral dos efeitos de interação.

https://doi.org/10.1371/journal.pone.0210423.g007

Credibilidade e navegação da fonte.

Seleção de tag: Esperávamos que os participantes selecionassem mais tags quando a credibilidade da fonte fosse alta, independentemente de suas atitudes anteriores (H2b). Conforme descrito acima, o modelo de efeito principal, incluindo o efeito da credibilidade da fonte, não se ajustou aos dados. No entanto, o modelo que inclui a interação entre atitudes anteriores e credibilidade da fonte foi adequado. Para separar esse efeito de interação, fizemos uma análise de subgrupo para os grupos de alta (b = -.05, SE = .05, p = .32) e de baixa credibilidade (b = .16, SE = .06, p = .02 (VejoFig 7, painel esquerdo) e traçou o número previsto de tags selecionadas em relação a atitudes anteriores. O resultado mostra que apenas o grupo de baixa credibilidade selecionou tags que indicaram consistência de atitude com atitudes anteriores.

Seleção de postagem do blog: Também esperávamos que, se a credibilidade da fonte da comunidade de marcação for alta (vs. baixa), as postagens do blog seriam selecionadas com mais frequência, independentemente de atitudes anteriores (H2c). Controlando a seleção de tag, no entanto, não encontramos nenhum efeito da credibilidade da fonte na seleção da postagem do blog (mesa 2)

Análise de avaliação de conteúdo

Para investigar a avaliação do conteúdo, rodamos modelos lineares mistos [46], usando o “lme4” [48] pacote, com as classificações padronizadas de eficácia do tratamento variável dependente após a navegação. Em primeiro lugar, comparamos os quantis empíricos e teóricos de contagens de tags e postagens em blogs visualmente, o que sugere que os dados seguem uma distribuição normal.

Como fatores fixos, incluímos as variáveis ​​independentes, credibilidade da fonte e confiança na atitude (ambas 0 = baixo, 1 = alto) e o índice de atitudes anteriores. Como covariáveis, incluímos as classificações de eficácia do tratamento antes da navegação e o número de cliques nas postagens do blog. Para controlar o tipo de tratamento do fator dentro dos sujeitos, incluímos interceptações aleatórias para cada participante e ambos os tipos de tratamento. As tags de preditores contínuos e atitudes anteriores, bem como as classificações de eficácia de tratamento de variável dependente foram padronizadas [49]

Para ambos os modelos, a inspeção visual dos gráficos residuais não revelou quaisquer desvios óbvios de homocedasticidade ou normalidade. A estratégia de comparação do modelo foi primeiro incluir todos os efeitos principais (fixos) e interceptações aleatórias (Tabela 3, Etapa 1), e para comparar isso com o modelo incluindo apenas a interceptação fixa e as interceptações aleatórias. Em seguida, incluímos o termo de interação hipotético fixo entre a confiança na atitude e as atitudes anteriores, e comparamos isso com o modelo de efeito principal da primeira fase (Tabela 3, Passo 2). Para fins exploratórios, testamos separadamente se o ajuste do modelo seria ainda mais aprimorado, incluindo os outros termos de interação fixos bidirecionais (confiança x credibilidade, atitudes anteriores x credibilidade) e os termos de interação fixos de três vias (atitudes anteriores x confiança x credibilidade).

Tabela 3. Classificações de eficácia do tratamento após a navegação.

Passo 1

b

SE

p

Interceptar

, 03

0,07

Postagens de blog selecionadas

0,22

, 04

< 0,001

Avaliações de eficácia do tratamento antes da navegação

0,72

, 04

< 0,001

Atitudes anteriores

.02

, 04

0,57

Confiança de atitude

-.02

, 09

0,78

Credibilidade da fonte

-.03

, 09

0,72

(χ2 (4) = 190,92, p <0,001, R2 = 0,64)

Passo 2

Atitudes anteriores X atitude confiança

0,22

0,07

0,002

(χ2 (1) = 9,45, p = 0,002, ΔR2 = 0,01)

etapa 3

Atitude confiança X credibilidade da fonte

12

0,17

.47

(χ2 (1) = 0,52, p = 0,47, ΔR2 = 0,01)

Passo 4

Atitudes anteriores X credibilidade da fonte

, 04

0,07

0,57

(χ2 (1) = 0,32, p = 0,57, ΔR2 = 0,00)

Etapa 5

Atitudes anteriores X atitude confiança X credibilidade da fonte

-.01

0,14

0,93

(χ2 (1) <0,01, p = 0,99, ΔR2 = 0,01)

b, coeficientes beta padronizados; SE, erro padrão; R2, efeitos fixos apenas.

https://doi.org/10.1371/journal.pone.0210423.t003

A significância dos efeitos foi obtida por meio de um teste de razão de verossimilhança comparando o modelo completo com o efeito em questão ao modelo sem o efeito em questão [46]

Confiança de atitude e avaliação de conteúdo.

Avaliações de eficácia do tratamento: Com o H1d, esperávamos que os participantes mantivessem suas atitudes anteriores apenas quando a confiança nas atitudes fosse alta. Quando a confiança na atitude é baixa, os participantes devem se tornar mais abertos ao conteúdo das postagens de blog com atitude inconsistente. O modelo, incluindo a interação entre atitudes anteriores e confiança se ajustou aos dados (Tabela 3, passo 2). Para separar esse efeito de interação, fizemos uma análise de subgrupo para a confiança alta (b = .17, SE = .06, p <.01) e baixa (b = -.11, SE = .05, p = .05) grupos e traçou as classificações de tratamento previstas em relação a atitudes anteriores. Em apoio ao H1d, os resultados mostraram que, após controlar a seleção da postagem do blog, apenas com alta confiança as atitudes e atitudes anteriores após a navegação foram associadas (Fig 7, painel direito).

Credibilidade da fonte e avaliação do conteúdo. Esperávamos que uma credibilidade de fonte alta (vs. inferior) aumentasse a mudança nas classificações de eficácia do tratamento para informações consistentes com a atitude, bem como inconsistentes com a atitude (H2d). Como mostrado emTabela 3, não houve efeito da credibilidade da fonte na avaliação do conteúdo medida pelas classificações de eficácia do tratamento após a navegação.

Análises de aquisição de conhecimento

Além disso, exploramos a aquisição de conhecimento com regressão linear. O objetivo era avaliar se a aquisição de conhecimento ocorreria de forma consistente com as atitudes anteriores. O critério de respostas corretas foi inserido como uma variável dependente, e a seleção da postagem do blog, atitudes anteriores, confiança na atitude e credibilidade da fonte foram inseridos como preditores. Como um fator aleatório, incluímos uma interceptação por participante, enquanto os preditores eram centralizados. O modelo de efeito principal ajusta os dados (χ2 (4) = 98,99, p <0,001). O número de postagens de blog de antidepressivos selecionadas previu a pontuação de aquisição de conhecimento (padronizado b = 0,68, SE = 0,06, p <0,001).

Fig 8. Análise de caminho. Observação. AC = confiança de atitude, SC = credibilidade da fonte; Setas sólidas = efeito hipotético; Setas tracejadas = efeito não hipotético; Setas cinza = efeitos não significativos. Efeitos das classificações de eficácia de tratamento covariável T1 na seleção de postagem de blog (b = .11, p <.01) e classificações de eficácia de tratamento T2 (b = .71, p <.001) não mostrados. As análises de subgrupos foram conduzidas para fornecer parâmetros de grupo separados quando havia uma associação significativa com atitudes anteriores.

https://doi.org/10.1371/journal.pone.0210423.g008

No entanto, os preditores restantes ou incluindo suas interações não previram aprendizagem (todos ps> 0,08). Nossas manipulações experimentais de confiança na atitude e credibilidade da fonte mostraram, portanto, não levar a uma aquisição de conhecimento mais ou menos consistente com a atitude.

Visão geral e análise de caminho

Para fornecer uma visão geral sobre como a confiança na atitude e a credibilidade da fonte afetam os diferentes estágios do processo de navegação, realizamos uma análise de caminho de confirmação [50], usando o software R com os pacotes “lme4” (v 1.1–17; [48]) e “piecewiseSEM” (v 2.0.2; [51]). Usamos a abordagem de modelagem de equações estruturais por partes, uma vez que permite a inclusão de modelos para dados de contagem distribuída de Poisson [50] A abordagem torna possível avaliar várias hipóteses causais simultaneamente dentro de uma única rede de nós conectados [51] Portanto, avaliamos modelos de componentes separados na forma de equações de regressão, conforme relatado acima (tabela 1, Passo 4;mesa 2, Passo 2; Tabela 3, Passo 2). No entanto, os testes de separação direcionada mostraram que faltavam 2 caminhos de seleção de marca nas classificações de eficácia de tratamento T2 e classificações de eficácia de tratamento T1 para a seleção de postagem no blog, que foram incluídas no modelo final. O modelo final ajustou-se aos dados e nenhum caminho significativo foi omitido (C = 1,50, P = 0,83; [52]; VejoFig 8)

Discussão

Neste estudo, nosso objetivo foi investigar como as nuvens de tags sociais influenciam um viés de confirmação pré-existente. Espera-se que os pesquisadores sejam mais abertos a tags sociais e postagens de blogs que desafiem suas atitudes anteriores se eles tiverem pouca confiança em suas atitudes anteriores. Também objetivamos testar se os pesquisadores avaliariam corretamente a credibilidade da fonte e se, por sua vez, explorariam mais conteúdo e seriam mais abertos ao conteúdo quando percebessem que a credibilidade da comunidade de marcação é alta. Descobrimos que os pesquisadores exibiram atitudes mais favoráveis ​​em relação à psicoterapia em comparação com os antidepressivos e que os pesquisadores reconheceram corretamente a credibilidade da fonte em termos de alto e baixo conhecimento da comunidade. Os resultados também mostraram que nossa replicação da manipulação de confiança de atitude foi bem-sucedida, tornando possível contar com seus efeitos. No processo de navegação, a credibilidade da fonte teve influência apenas no estágio inicial da seleção da tag, enquanto a confiança teve consequências posteriormente, quando os participantes selecionaram as postagens do blog e posteriormente avaliaram o conteúdo.

Reconhecemos que as pessoas tendem a confirmar suas atitudes anteriores. No entanto, especificamente quando as atitudes anteriores foram pronunciadas e a confiança na atitude foi alta (vs. baixa), o viés de confirmação aumentou na seleção da postagem do blog, mas não na seleção de tag. Além disso, quando a confiança na atitude era alta, as atitudes anteriores estavam positivamente associadas à avaliação do conteúdo consistente com a atitude. Quando a confiança na atitude era baixa, o efeito era até revertido, ou seja, o conteúdo inconsistente com a atitude era avaliado de forma mais favorável.

Também descobrimos que, quando a credibilidade era alta, a influência de atitudes anteriores na seleção de tags e postagens no blog era eliminada. Por outro lado, quando a credibilidade da fonte era baixa, as atitudes anteriores orientavam a seleção de tags e postagens de blog, mostrando associação positiva com a seleção de tags consistentes com a atitude.

Confiança de atitude

Em geral, as pessoas tendem a ser excessivamente confiantes sobre seu próprio conhecimento [13,17,18], mas particularmente no contexto da busca de informações relacionadas à saúde, a confiança nas atitudes anteriores de alguém pode variar. Tendo escolhido um domínio relacionado à saúde, usamos, portanto, a manipulação que tinha o potencial de conter o excesso de confiança. Nesse cenário, esperávamos que o aspecto metacognitivo da confiança na atitude, ou seja, a confiança na validade dos próprios argumentos, tivesse consequências para a busca e processamento cognitivo de informações relacionadas à saúde.

Esperávamos que a influência de atitudes anteriores dependesse da confiança na busca de informações e avaliação de conteúdo. Quando eles possuíam alta confiança, os pesquisadores deveriam selecionar e avaliar favoravelmente as informações consistentes com a atitude. Encontramos esta influência da confiança apenas para o estágio avaliativo da busca de informações, ou em termos de busca de informações [15], a atividade de exploração dentro do patch. Isso incluiu a seleção de postagens de blog, bem como a avaliação de conteúdo subsequente. Quando a confiança era alta, os participantes mostraram uma tendência de selecionar e avaliar favoravelmente informações consistentes com a atitude, mas quando a confiança era baixa, não houve influência de atitudes anteriores na navegação.

À luz da hipótese de autovalidação, a partir da qual a manipulação de confiança de atitude original foi derivada [25], as descobertas parecem apoiar a suposição de que os pesquisadores no ambiente de marcação foram motivados principalmente para buscar a precisão. A hipótese de autovalidação afirma que apenas os pensamentos que são percebidos como válidos determinam as atitudes e o processamento de informações relacionado. Se a confiança é alta, os próprios pensamentos ou argumentos são percebidos como válidos e, consequentemente, os próprios argumentos devem ter um alto impacto na navegação e avaliação do conteúdo, ao contrário de quando a confiança é baixa. Em apoio a essa teoria, encontramos uma influência da alta atitude de confiança na etapa avaliativa da pesquisa, na qual o conteúdo foi selecionado e avaliado. Mais surpreendentemente, mas de acordo com essa linha de pensamento, quando a confiança na atitude era baixa, o efeito de atitudes anteriores na avaliação do conteúdo era até revertido,

Finalmente, até onde sabemos, este é o primeiro estudo que replicou diretamente a manipulação de confiança metacognitiva [25] Portanto, vale a pena comparar os efeitos da manipulação em ambos os estudos. Curiosamente, o estudo original mostrou um grande efeito da manipulação. Nossa replicação, no entanto, mostrou um efeito pequeno a moderado na mesma escala. Além disso, os grupos de confiança de atitude alta e baixa estavam acima do ponto médio da escala. Essa descoberta não é surpreendente, considerando que a maioria das pessoas tende a ser excessivamente confiante em uma ampla gama de domínios [13,19]

Avaliação da credibilidade da fonte

Esperávamos que a credibilidade da fonte influenciasse a busca de informações e a avaliação do conteúdo resultante, independentemente de atitudes anteriores. A busca de informações consistiu em dois processos consecutivos: primeiro, seleção de tópicos (tags) e, segundo, seleção de informações detalhadas e valiosas (postagens de blog). A seleção de tag orientada ao tópico ilustrou a atividade entre os patches em termos de teoria de coleta de informações [15], onde os forrageadores de informações alternam entre os ambientes de informações (patches). A credibilidade da fonte afetou apenas esse processo exploratório e incerto de seleção de informações, em que o pesquisador precisava estimar qual tag levaria às informações mais valiosas. Também observamos uma interação entre credibilidade da fonte e atitudes anteriores. Ou seja, as atitudes anteriores não tiveram influência na seleção da etiqueta apenas quando a credibilidade da fonte era alta, e quando a credibilidade da fonte era baixa, os participantes com atitudes cada vez mais positivas em relação a um tratamento selecionaram a respectiva etiqueta de tratamento com mais frequência.

Em termos de viés de confirmação, a descoberta de que, sob alta credibilidade da fonte, as atitudes anteriores não estavam associadas à seleção de etiquetas consistentes de atitude apóia a teoria da motivação da precisão [3] Ou seja, os participantes valorizaram as informações objetivamente corretas, que provavelmente obteriam de uma fonte altamente confiável. Em contraste com a teoria da motivação de precisão, a teoria da motivação de defesa prevê que atitudes anteriores estariam negativamente associadas à seleção de tags de atitude inconsistentes quando a credibilidade da fonte é alta, uma vez que alta credibilidade de informações de atitude inconsistentes representaria uma ameaça. Para a condição de alta credibilidade da fonte, o achado está de acordo com nossa suposição de que os participantes provavelmente seriam motivados por um desejo de precisão, devido ao contexto relacionado à saúde.

Mas para a condição de baixa credibilidade da fonte, os pesquisadores podem ter agido menos por precisão ou motivação de defesa. Se os pesquisadores fossem altamente motivados pela defesa, os participantes teriam evitado informações consistentes com a atitude sob baixa credibilidade da fonte, pois isso poderia potencialmente tê-los tornado cientes de sua própria posição questionável. Se os pesquisadores fossem altamente motivados pela precisão, as atitudes anteriores não deveriam ter afetado a seleção da etiqueta, pois esses pesquisadores desejariam obter informações de alta qualidade [3] Uma possível explicação poderia ser que se os pesquisadores na condição de fonte de baixa credibilidade fossem baixos tanto em precisão quanto em motivação de defesa, eles poderiam simplesmente ter sido guiados por seu viés de confirmação.

Finalmente, os participantes identificaram com sucesso a marcação de comunidades como mais confiável quando a alta (vs. baixa) experiência da comunidade foi indicada por banners. Esta é uma descoberta interessante, uma vez que para plataformas que oferecem conteúdo gerado pelo usuário, como postagens de blog ou fóruns, os usuários agora geralmente avaliam o conteúdo como mais confiável se outros usuários com dados demográficos semelhantes (não especialistas) geraram conteúdo [14] Isso mostra o potencial de destacar a experiência e a credibilidade da comunidade para o pesquisador em plataformas de marcação social.

Limitações e trabalhos futuros

Neste estudo, as tags estavam relacionadas a um conjunto de diferentes postagens de blog, portanto, à primeira vista, as tags eram ambíguas em relação ao conteúdo relacionado. Se alguém encontrasse a etiqueta “antidepressivo”, não estava claro sobre o que tratavam os documentos relacionados ou se esses documentos apoiavam ou refutavam as alegações sobre a eficácia dos antidepressivos. Na verdade, o processamento puramente semântico das tags foi forçado pela seleção das tags em nosso ambiente de tagging. Portanto, quando as atitudes anteriores estavam alinhadas com a seleção da etiqueta neste estudo, isso implica que as pessoas podem ter mostrado que a estratégia de teste documentada na literatura de viés de confirmação é boa para usar11] Mas as tags fornecidas em sistemas de tagging reais também são avaliativas, motivacionais e sociais por natureza [53,54] Achamos que seria desejável realizar estudos que investiguem a natureza avaliativa do processamento de tags, a fim de incluir processos avaliativos nas teorias de tagging também (por exemplo, [55]).

Além disso, o envolvimento com a questão tem se mostrado um moderador importante no que diz respeito ao processamento de informações consistente com a atitude [3] Neste estudo, não medimos o envolvimento, o que seria interessante para estudos futuros.

Como já mencionado, todas as postagens de blog às quais as pessoas tiveram acesso eram positivas sobre a eficácia da psicoterapia ou dos antidepressivos como tratamentos para a depressão. Não houve postagens em blogs que refutassem a eficácia de qualquer tipo de terapia. Estudos futuros devem incluir também afirmações neutras e negativas sobre a eficácia.

Panorama

Descobrimos que as nuvens de tags podem oferecer uma maneira de combater o viés de confirmação em ambientes de tagging relacionados à saúde on-line. No entanto, a extensão do viés de confirmação também depende dos processos cognitivos individuais, como a confiança nas atitudes de alguém e da credibilidade da comunidade que fornece as informações. Manipular a confiança na atitude oferece uma intervenção eficaz e descomplicada para reduzir o preconceito entre os indivíduos. Destacar a credibilidade de uma fonte ajuda a aumentar o impacto das informações online relacionadas à saúde e também a reduzir o preconceito. Com relação ao viés de confirmação, há uma preocupação de que os mecanismos de agregação online atuem como câmaras de eco, reforçando as atitudes das pessoas, prendendo-as em bolhas de filtro (por exemplo, [26]). Embora alguns esperem que o efeito das bolhas seja grande [26], outros esperam que o efeito seja pequeno [56] Com as conclusões do estudo aqui apresentado, no entanto, esperamos contribuir para uma discussão mais matizada sobre este tópico.

Informações de Apoio

S1 Codificação Detalhes. Descrevendo variáveis ​​em dados brutos.

(CSV)

S1 Dados não tratados. Rawdata analisado para o estudo atual.

(CSV)

S2 Dados não tratados. Dados do estudo piloto.

(CSV)

S1 Estatístico Análises. Roteiro de análise estatística de dados brutos realizado na R. (R)

S1 Tabela. Classificações de eficácia de postagens de blog no estudo piloto. (DOCX)

S2 Tabela. Avaliações gerais de eficácia do tratamento de antidepressivos e psicoterapia. (DOCX)

Supporting information

 

S1 Coding Details. Describing variables in rawdata.

https://doi.org/10.1371/journal.pone.0210423.s001

(CSV)

 

S1 Rawdata. Rawdata analysed for the current study.

https://doi.org/10.1371/journal.pone.0210423.s002

(CSV)

 

S2 Rawdata. Data from the pilot study.

https://doi.org/10.1371/journal.pone.0210423.s003

(CSV)

 

S1 Statistical Analyses. Script of statistical analysis of rawdata conducted in R.

https://doi.org/10.1371/journal.pone.0210423.s004

(R)

 

S1 Table. Blog post efficacy ratings in the pilot study.

https://doi.org/10.1371/journal.pone.0210423.s005

(DOCX)

 

S2 Table. General treatment efficacy ratings of antidepressants and psychotherapy.

https://doi.org/10.1371/journal.pone.0210423.s006

(DOCX)

Acknowledgments

We are grateful to Manfred Knobloch and André Klemke for providing the social tagging navigation platform and the data preparation, and Tobias Ley and Paul Seitlinger for providing valuable feedback and ideas for data analyses.

References

1.Klayman J. Varieties of Confirmation Bias. Psychol Learn Motiv—Adv Res Theory. 1995;32: 385–418.

View Article

Google Scholar

2.Nickerson RS. Confirmation bias: A ubiquitous phenomenon in many guises. Rev Gen Psychol. 1998;2: 175–220.

View Article

Google Scholar

3.Hart W, Albarracín D, Eagly AH, Brechan I, Lindberg MJ, Merrill L. Feeling validated versus being correct: a meta-analysis of selective exposure to information. Psychol Bull. 2009;135: 555–88. pmid:19586162

View Article

PubMed/NCBI

Google Scholar

4.Vydiswaran V, Zhai C, Roth D, Pirolli P. BiasTrust Teaching Biased Users About Controversial. Proceedings of the 21st ACM …. 2012. pp. 1905–1909. Available: http://dl.acm.org/citation.cfm?id=2398541

View Article

Google Scholar

5.Liao QV, Fu W-T, Mamidi SS. It Is All About Perspective: An Exploration of Mitigating Selective Exposure with Aspect Indicators. Proceedings of the ACM CHI’15 Conference on Human Factors in Computing Systems. 2015. pp. 1439–1448. https://doi.org/10.1145/2702123.2702570

6.Liao QV, Fu W-T. Beyond the filter bubble. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems—CHI ‘13. 2013. p. 2359. https://doi.org/10.1145/2470654.2481326

7.Schwind C, Buder J, Cress U, Hesse FW. Preference-inconsistent recommendations: An effective approach for reducing confirmation bias and stimulating divergent thinking? Comput Educ. Elsevier Ltd; 2012;58: 787–796.

View Article

Google Scholar

8.Knobloch-Westerwick S, Sharma N, Hansen DL, Alter S. Impact of Popularity Indications on Readers’ Selective Exposure to Online News. J Broadcast Electron Media. 2005;49: 296–313.

View Article

Google Scholar

9.White RW, Horvitz E. Belief Dynamics and Biases in Web Search. ACM Trans Inf Syst. 2015;33: 1–46.

View Article

Google Scholar

10.Schweiger S, Oeberst A, Cress U. Confirmation bias in web-based search: A randomized online study on the effects of expert information and social tags on information search and evaluation. J Med Internet Res. Journal of Medical Internet Research; 2014;16: e94. pmid:24670677

View Article

PubMed/NCBI

Google Scholar

11.Klayman J, Ha Y, Edwards W, Gnepp J, Hoch S, Hogarth R, et al. Confirmation, Disconfirmation, and Information in Hypothesis Testing. Psychol Rev. 1987;94: 211–228.

View Article

Google Scholar

12.Ferguson AM, McLean D, Risko EF. Answers at your fingertips: Access to the Internet influences willingness to answer questions. Conscious Cogn. Elsevier Inc.; 2015;37: 91–102. pmid:26340105

View Article

PubMed/NCBI

Google Scholar

13.Zell E, Krizan Z. Do People Have Insight Into Their Abilities? A Metasynthesis. Perspect Psychol Sci. 2014;9: 111–125. pmid:26173249

View Article

PubMed/NCBI

Google Scholar

14.Ma T (Jennifer), Atkin D. User generated content and credibility evaluation of online health information: A meta analytic study. Telemat Informatics. Elsevier Ltd; 2017;34: 472–486.

View Article

Google Scholar

15.Pirolli P, Card S. Information foraging. Psychol Rev. 1999;106: 643–675.

View Article

Google Scholar

16.Cress U, Held C, Kimmerle J. The collective knowledge of social tags: Direct and indirect influences on navigation, learning, and information processing. Comput Educ. 2013;60: 59–73.

View Article

Google Scholar

17.Moore DA, Healy PJ. The Trouble With Overconfidence. Psychol Rev. 2008;115: 502–517. pmid:18426301

View Article

PubMed/NCBI

Google Scholar

18.Dunning D, Heath C, Suls JM. Flawed self-assessment implications for health, education, and the workplace. Psychol Sci Public Interes Suppl. 2004;5: 69–106. pmid:26158995

View Article

PubMed/NCBI

Google Scholar

19.Kruger J, Dunning D. Unskilled and unaware of it: how difficulties in recognizing one’s own incompetence lead to inflated self-assessments. J Pers Soc Psychol. 1999;77: 1121–34. Available: http://www.ncbi.nlm.nih.gov/pubmed/10626367 pmid:10626367

View Article

PubMed/NCBI

Google Scholar

20.Dunning D, Heath C, Suls JM. Flawed Implications for Health, Education, and the Workplace. Psychol Sci. 2011;5: 69–106.

View Article

Google Scholar

21.Neville KL. Uncertainty in Illness. Orthopaedic Nursing. 2003. pp. 206–214. pmid:12803150

View Article

PubMed/NCBI

Google Scholar

22.Mishel MH. Uncertainty in acute illness. Annu Rev Nurs Res. 1997;15: 57–80. pmid:9262787

View Article

PubMed/NCBI

Google Scholar

23.Fisher M, Goddu MK, Keil FC. Searching for explanations: How the internet inflates estimates of internal knowledge. J Exp Psychol Gen. 2015;144: 674–687. pmid:25822461

View Article

PubMed/NCBI

Google Scholar

24.Kruglanski AW, Webster DM. Motivated closing of the mind: “seizing” and “freezing”. Psychol Rev. 1996;103: 263–283. pmid:8637961

View Article

PubMed/NCBI

Google Scholar

25.Petty RE, Briñol P, Tormala ZL. Thought confidence as a determinant of persuasion: The self-validation hypothesis. J Pers Soc Psychol. 2002;82: 722–741. pmid:12003473

View Article

PubMed/NCBI

Google Scholar

26.Rowland F. The Filter Bubble: What the Internet is Hiding from You [Internet]. portal: Libraries and the Academy. Penguin Press; 2011. https://doi.org/10.1353/pla.2011.0036

27.Kammerer Y, Bråten I, Gerjets P, Strømsø HI. The role of Internet-specific epistemic beliefs in laypersons’ source evaluations and decisions during Web search on a medical issue. Comput Human Behav. 2013;29: 1193–1203.

View Article

Google Scholar

28.Kammerer Y, Amann DG, Gerjets P. When adults without university education search the Internet for health information: The roles of Internet-specific epistemic beliefs and a source evaluation intervention. Comput Human Behav. Elsevier Ltd; 2015;48: 297–309.

View Article

Google Scholar

29.Kammerer Y, Gerjets P. The role of search result position and source trustworthiness in the selection of web search results when using a list or a grid Interface. Int J Human–Computer Interact. 2014;30: 177–191.

View Article

Google Scholar

30.Winter S, Krämer NC. Selecting Science Information in Web 2.0: How Source Cues, Message Sidedness, and Need for Cognition Influence Users’ Exposure to Blog Posts. J Comput Commun. 2012;18: 80–96.

View Article

Google Scholar

31.Winter S, Krämer NC. A Question of Credibility—Effects of Source Cues and Recommendations on Information Selection on News Sites and Blogs. Eur J Commun Res. 2014;39: 435–456.

View Article

Google Scholar

32.O’Grady L, Wathen CN, Charnaw-Burger J, Betel L, Shachak A, Luke R, et al. The use of tags and tag clouds to discern credible content in online health message forums. Int J Med Inform. 2012;81: 36–44. pmid:22030035

View Article

PubMed/NCBI

Google Scholar

33.Cress U, Held C. Harnessing collective knowledge inherent in tag clouds. J Comput Assist Learn. 2013;29: 235–247.

View Article

Google Scholar

34.Held C, Kimmerle J, Cress U. Learning by foraging: The impact of individual knowledge and social tags on web navigation processes. Comput Human Behav. 2012;28: 34–40.

View Article

Google Scholar

35.Angermeyer MC, Breier P, Dietrich S, Kenzine D, Matschinger H. Public attitudes toward psychiatric treatment: An international comparison. Soc Psychiatry Psychiatr Epidemiol. 2005;40: 855–864. pmid:16215879

View Article

PubMed/NCBI

Google Scholar

36.Jorm AF, Nakane Y, Christensen H, Yoshioka K, Griffiths KM, Wata Y. Public beliefs about treatment and outcome of mental disorders: a comparison of Australia and Japan. BMC Med. 2005;3. pmid:16004615

View Article

PubMed/NCBI

Google Scholar

37.De Maat S, Dekker J, Schoevers R, De Jonghe F. Relative efficacy of psychotherapy and pharmacotherapy in the treatment of depression: A meta-analysis. Psychother Res. 2006;16: 566–578.

View Article

Google Scholar

38.Cuijpers P, Sijbrandij M, Koole SL, Andersson G, Beekman AT, Reynolds CF. The efficacy of psychotherapy and pharmacotherapy in treating depressive and anxiety disorders: A meta-analysis of direct comparisons. World Psychiatry. 2013;12: 137–148. pmid:23737423

View Article

PubMed/NCBI

Google Scholar

39.Gawronski B, Bodenhausen G V. The associative-propositional evaluation model. Theory, evidence, and open questions [Internet]. 1st ed. Advances in Experimental Social Psychology. Elsevier Inc.; 2011. https://doi.org/10.1016/B978-0-12-385522-0.00002–0

40.Van Der Auwera S, Schomerus G, Baumeister SE, Matschinger H, Angermeyer M. Approval of psychotherapy and medication for the treatment of mental disorders over the lifespan. An age period cohort analysis. Epidemiol Psychiatr Sci. 2017;26: 61–69. pmid:26753632

View Article

PubMed/NCBI

Google Scholar

41.Angermeyer MC, van der Auwera S, Carta MG, Schomerus G. Public attitudes towards psychiatry and psychiatric treatment at the beginning of the 21st century: a systematic review and meta-analysis of population surveys. World Psychiatry. 2017;16: 50–61. pmid:28127931

View Article

PubMed/NCBI

Google Scholar

42.Leys C, Ley C, Klein O, Bernard P, Licata L. Detecting outliers: Do not use standard deviations around the mean, do use the median absolute deviation around the median. J Exp …. 2013;49: 764–766.

View Article

Google Scholar

43.R Core Team. R: A Language and Environment for Statistical Computing [Internet]. Vienna, Austria; 2018. Available: https://www.r-project.org/

44.Skaug AH, Fournier D, Nielsen A, Magnusson A, Bolker B, Bolker M Ben. Package ‘ glmmADMB .’ 2018;

45.Wickham H. tidyverse: Easily Install and Load the “Tidyverse” [Internet]. 2017. Available: https://cran.r-project.org/package=tidyverse

46.Bolker BM, Brooks ME, Clark CJ, Geange SW, Poulsen JR, Stevens MHH, et al. Generalized linear mixed models: a practical guide for ecology and evolution. Trends Ecol Evol. 2009;24: 127–135. pmid:19185386

View Article

PubMed/NCBI

Google Scholar

47.Magezi DA. Linear mixed-effects models for within-participant psychology experiments: An introductory tutorial and free, graphical user interface (LMMgui). Front Psychol. 2015;6: 1–7.

View Article

Google Scholar

48.Bates DM, Maechler M, Bolker B, Walker S. Fitting linear mixed-effects models using lme4. J Stat Softw. 2015;67: 1–48.

View Article

Google Scholar

49.Aiken LS, West SG. Multiple regression. Multiple regression: Testing and interpreting interactions. 1991. https://doi.org/10.1080/00031305.1972.10478934

50.Shipley B. A new inferential test for path models based on directed acyclic graphs. Struct Equ Model. 2000;7: 206–218.

View Article

Google Scholar

51.Lefcheck JS. piecewiseSEM: Piecewise structural equation modelling in r for ecology, evolution, and systematics. Methods Ecol Evol. 2016;7: 573–579.

View Article

Google Scholar

52.Shipley B. The AIC model selection method applied to path analytic models compared using a d-separation test. Ecology. 2013;94: 560–564. pmid:23687881

View Article

PubMed/NCBI

Google Scholar

53.Ames M, Naaman M. Why we tag: motivations for annotation in mobile and online media. Proceedings of the SIGCHI conference on Human factors in computing systems. 2007. pp. 971–980.

View Article

Google Scholar

54.Heckner M, Neubauer T, Wolff C. Tree, funny, to_read, google: What are tags supposed to Achieve? A comparative analysis of user keywords for different digital resource types. Proceedings of the 2008 ACM workshop on Search in social media. 2008. pp. 3–10. https://doi.org/10.1145/1458583.1458589

55.Fu W-T, Kannampallil T, Kang R, He J. Semantic imitation in social tagging. ACM Trans Comput Interact. 2010;17: 1–37.

View Article

Google Scholar

56.Hosanagar K, Fleder D, Lee D, Buja A. Will the global village fracture into tribes recommender systems and their effects on consumer fragmentation. Manage Sci. 2014;60: 805–823.

View Article

Google Scholar

Stefan Schweiger, Ulrike Cress

Citação: Schweiger S, Cress U (2019) Atitude, confiança e credibilidade da fonte na busca de informações com marcas sociais. PLoS ONE 14 (1): e0210423. https://doi.org/10.1371/journal.pone.0210423

Editor: Jonathan Jong, Coventry University, REINO UNIDO

Recebido: 9 de agosto de 2016; Aceito: 21 de dezembro de 2018; Publicado: 15 de janeiro de 2019

Copyright: © 2019 Schweiger, Cress. Este é um artigo de acesso aberto distribuído sob os termos da Licença de Atribuição Creative Commons , que permite o uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original e a fonte sejam creditados.

Disponibilidade de dados: Todos os dados relevantes estão no papel e em seus arquivos de informações de suporte.

Financiamento: Este estudo foi financiado pelo Leibniz-Institut fuer Wissensmedien. O financiador não teve nenhum papel no desenho do estudo, coleta e análise de dados, decisão de publicar ou preparação do manuscrito.

Conflitos de interesses: Os autores declararam que não existem conflitos de interesses.

Conheça o curso CFID

Conheça o curso Computação Forense e Investigação Digital.

Este curso tem como objetivo apresentar os conceitos da Computação Forense e métodos de Investigação Digital, sendo baseado no conteúdo apresentado nas certificações mais conhecidas do mercado.

Hospedagem de site

digitalocean, excelente custo benefício.

Clique abaixo e aproveite!