MétaCan
Menu
Retour à la cohorte
Enregistrement W2040883915 · doi:10.3389/fpubh.2013.00002

Alcohol-Related Content of Animated Cartoons: An Historical Perspective

2013· article· en· W2040883915 sur OpenAlexaff
Hugh Klein, Kenneth S. Shiffman

Notice bibliographique

RevueFrontiers in Public Health · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMedia, Gender, and Advertising
Établissements canadiensKensington Health
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Public healthContent (measure theory)Front (military)Public health interventionsComputer scienceMedicineNursingArtificial intelligenceGeography

Résumé

récupéré en direct d'OpenAlex

This study, based on a stratified (by decade of production) random sample of 1,221 animated cartoons and 4,201 characters appearing in those cartoons, seeks to determine the prevalence of alcohol-related content; how, if at all, the prevalence changed between 1930 and 1996 (the years spanned by this research); and the types of messages that animated cartoons convey about beverage alcohol and drinking in terms of the characteristics that are associated with alcohol use, the contexts in which alcohol is used in cartoons, and the reasons why cartoon characters purportedly consume alcohol. Approximately 1 cartoon in 11 was found to contain alcohol-related content, indicating that the average child or adolescent viewer is exposed to approximately 24 alcohol-related messages each week just from the cartoons that he/she watches. Data indicated that the prevalence of alcohol-related content declined significantly over the years. Quite often, alcohol consumption was shown to result in no effects whatsoever for the drinker, and alcohol use often occurred when characters were alone. Overall, mixed, ambivalent messages were provided about drinking and the types of characters that did/not consume alcoholic beverages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,352
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Public HealthMême sujetMedia, Gender, and AdvertisingTravaux en français237 207