MétaCan
Menu
Retour à la cohorte
Enregistrement W2137751540 · doi:10.1080/10410236.2010.549810

Physical Activity Information Seeking and Advertising Recall

2011· article· en· W2137751540 sur OpenAlexafffund
Tanya R. Berry, John C. Spence, Ronald C. Plotnikoff, Adrian Bauman

Notice bibliographique

RevueHealth Communication · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHealth promotionThe InternetRecallPsychologyPublic healthPopulationPromotion (chess)AdvertisingGerontologyPhysical activityHealth educationMedical educationMedicineEnvironmental healthPolitical scienceBusinessWorld Wide WebNursing

Résumé

récupéré en direct d'OpenAlex

The purposes of this research were to examine the characteristics of those who look for physical activity-related information, where they find it, and to examine what types of physical activity-related advertisements are recalled (i.e., publicly funded or commercial). These purposes were tested using secondary data analyses from two population health surveys. Results from the first survey (n=1211) showed gender, age, education, and activity-level differences in who is more likely to search for physical activity-related information. Adding the goal of being active into the model made age and activity level no longer significant but gender and education remained significant factors. The Internet was the most often cited source of physical activity information. The second survey (n=1600) showed that adults 55 years of age or older and participants with the least amount of education were more than twice as likely to name commercial advertisements than were participants aged 18-54 years or those with more education. These results help further our understanding of how publicly funded promotional campaigns fare against commercial advertising and also highlight the need to understand physical activity information-seeking behavior on the Internet and its implications for health promotion.

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)0,003
score de la tête « metaresearch » (Gemma)0,033
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,140
Tête enseignante GPT0,439
Écart entre enseignants0,298 · 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

Citations28
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth CommunicationMême sujetBehavioral Health and InterventionsTravaux en français237 207