The Effectiveness of “Emolabeling” to Promote Healthy Food Choices in Children Preschool Through 5th Grade
Notice bibliographique
Résumé
Obesity has become a growing global concern. Evidence indicates that ecological factors are most predictive of obesity among children, and that a new strategy, referred to as emolabeling, may effectively address ecological factors, although the extent to which it can influence food choice is not yet known, but tested here. Specifically, we tested the hypothesis that children aged 3 to 11 years will use emolabels, or emotional correlates of health (i.e. healthy-happy, unhealthy-sad), to make healthy food choices. A cross-sectional design was used with two phases. In Phase 1, children were taught how to use emolabels with a “faces of health” lesson. In Phase 2, children made choices between containers that were laid out on a large table in pairs and varied by taste (tastes good, no information), social norms (popular, not popular), branding (image of a minion, no image), or preference (told what food was in each container). A control pair was labeled with only emoticons. The order and presentation of the containers were counterbalanced for each variation. Results showed that a significant proportion of children in the pre-literacy and the early literacy grades used emoticons to specifically make healthy food choices in each variation (p < .05 for all tests), except when children were told what foods were in the containers. In all, emolabeling effectively influenced food choices for healthy foods among children aged 3 to 11 years, more so than labeling for taste, social norms, and branding, but not preference.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».