Application of the Health Belief Model to U.S. Magazine Text and Image Coverage of Skin Cancer and Recreational Tanning (2000–2012)
Notice bibliographique
Résumé
The health belief model (HBM) has been widely used to inform health education, social marketing, and health communication campaigns. Although the HBM can explain and predict an individual's willingness to engage in positive health behaviors, its application to, and penetration of the underlying constructs into, mass media content has not been well characterized. We examined 574 articles and 905 images about skin cancer and tanning risks, behaviors, and screening from 20 U.S. women's and men's magazines (2000-2012) for the presence of HBM constructs: perceived susceptibility, perceived severity, perceived benefits, perceived barriers, self-efficacy, and cues to action. Susceptibility (48.1%) and severity (60.3%) information was common in text. Perceived benefits (36.4%) and barriers (41.5%) to prevention of skin cancer were fairly equally mentioned in articles. Self-efficacy (48.4%) focused on sunscreen use. There was little emphasis on HBM constructs related to early detection. Few explicit cues to action about skin cancer appeared in text (12.0%) or images (0.1%). HBM constructs were present to a significantly greater extent in text versus images (e.g., severity, 60.3% vs. 11.3%, respectively, χ(2) = 399.51, p < .0001; benefits prevention, 36.4% vs. 8.0%, respectively, χ(2) = 184.80, p < .0001), suggesting that readers are not visually messaged in ways that would effectively promote skin cancer prevention and early detection behaviors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».