Moral panic, reflexive embodiment and teen obesity in the USA: a case study of the impact of ‘weight bias’
Notice bibliographique
Résumé
Purpose – This paper aims to draw together research which links the moral panic about the “adipose” body during the first five years of the millennium to the worsening mental health of US teens. Noting the way medical advocacy biased the news coverage in the quality press in the UK, the USA and Canada through its emphasis on weight gain in child and youth populations, it reviews evidence of a relationship between eating disorders, body dissatisfaction and the mental health of teens. Design/methodology/approach – Building on research which suggests that teens ' misperception of their body can impact their mental health, the paper proposes reflexive embodiment, defined as the way an individual interprets and evaluates their own body morphology in relationship to the medical profession’s articulation of norms for weight classes, as a new construct for exploring the impact of the medical debates about obesity. Findings – Using data sets from the US Youth Risk Behavior Survey gathered in 2001 and 2007 to compare both weight status and weight class accuracy, the study finds evidence that teens ' perceptions of their bodies have changed more than their actual weight. Noting a complex relationship between teens ' misperception of their weight status and mental health risks associated with depression and suicide, the paper explores ways that the medical stigmatization of the adipose body, and the ensuing consequences of gendered weight bias, have consequences for teen well-being. Research limitations/implications – This case study only provides an exploratory analysis of an hypothesis suggested by the theory of reflexive embodiment. Practical implications – Refocus health professions on the mental health of teens. Social implications – Evidence of health implications of reflexive embodiment adds to a growing critique of medicalization of adipose body morphology. Originality/value – The analysis of data contributes to a growing concern about medical stigmatization of “fat” bodies as unhealthy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,009 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».