What features of images affect parents’ appraisal of safety messages? Examining images from the <i>A Million Messages</i> programme in Canada
Notice bibliographique
Résumé
BACKGROUND: Enhancing caregivers' awareness of children's injury risks and increasing knowledge about strategies for injury prevention often involve presenting parents with written materials and accompanying images. OBJECTIVES: To assess parents' appraisals of different variations of images and identify those features that enhance their attention to safety messages. METHODS: Eight images showing risk situations were taken from the A Million Messages safety education parent-directed programme in Canada and modified to create a corresponding image that clearly showed negative consequences for the child, and facial expressions of fear and/or upset. Mothers with young children were presented with the eight pairs of images (negative consequence vs risk situation) and asked to select the best accompaniment to a safety message and to provide an explanation for their choice. Each image was then also rated for fit to the safety message, communication of danger, emotional arousal and attention elicitation. RESULTS: The images depicting negative consequences were chosen for most comparisons (78%) and higher scores were assigned to these images for all four features rated by parents (danger communicated, emotions evoked, attention elicitation and fit to the safety message). Moreover, ratings of danger, emotions and attention predicted 'fit to safety message' scores. CONCLUSIONS: Depicting negative consequences and showing negative emotions is important to maximise the effectiveness of images in communicating danger and evoking attention and concern when targeting parents with child-safety messaging.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».