MétaCan
Menu
Retour à la cohorte
Enregistrement W2053020890 · doi:10.5539/gjhs.v6n3p1

Enhanced Auditory Arousal Increases Intake of Less Palatable and Healthier Foods

2014· article· en· W2053020890 sur OpenAlexvenueno aff
Gregory J. Privitera, M.J. Murillo Díaz, Meagan C Haas

Notice bibliographique

RevueGlobal Journal of Health Science · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueMultisensory perception and integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPalatabilityArousalLow arousal theoryPsychologyFood scienceAudiologyMedicineSocial psychologyBiology

Résumé

récupéré en direct d'OpenAlex

Two experiments were conducted to test a prediction of the arousal hypothesis that increased arousal will increase intake of less palatable and healthy foods. In both experiments, arousal was manipulated by adjusting the volume of a movie (soft, loud volume) while participants consumed foods. In Experiment 1, participants ate fresh (palatable) or stale (less palatable) popcorn during a 9-minute movie played at a soft or loud volume. Experiment 2 used the same procedures with healthier foods (carrot sticks and apple slices). Partial support for the arousal hypothesis in Experiment 1 showed that participants consumed more stale but not fresh popcorn in the loud (high arousal) versus soft (low arousal) volume group. These findings suggest that low but not high palatable foods are susceptible to manipulations of arousal. Consistent with this interpretation, Experiment 2 showed that high but not low environmental arousal increased intake of the fruits and vegetables, which are typically rated as lower in palatability compared to high fat foods. These results show that high arousal in an eating-typical environment increases intake of less palatable foods, and healthy foods (i.e., fruits and vegetables). Increasing the availability of healthier foods in a loud food environment can have a positive impact on increasing intake of fruits and vegetables in that environment.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,870
Score d'incertitude au seuil0,285

Scores Codex et Gemma par catégorie

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

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 Opus0,048
Tête enseignante GPT0,393
Écart entre enseignants0,345 · 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 tête enseignante, 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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetMultisensory perception and integrationTravaux en français237 207