Content Analysis of Trends in Print Magazine Tobacco Advertisements
Notice bibliographique
Résumé
OBJECTIVES: To provide a descriptive and comparative content analysis of tobacco print magazine ads, with a focus on rhetorical and persuasive themes. METHODS: Print tobacco ads for cigarettes, cigars, e-cigarettes, moist snuff, and snus (N = 171) were content analyzed for the physical composition/ad format (e.g., size of ad, image, setting, branding, warning label) and the content of the ad (e.g., rhetorical themes, persuasive themes). RESULTS: The theme of pathos (that elicits an emotional response) was most frequently utilized for cigarette (61%), cigar (50%), and moist snuff (50%) ads, and the theme of logos (use of logic or facts to support position) was most frequently used for e-cigarette (85%) ads. Additionally, comparative claims were most frequently used for snus (e.g., "spit-free," "smoke-free") and e-cigarette ads (e.g., "no tobacco smoke, only vapor," "no odor, no ash"). Comparative claims were also used in cigarette ads, primarily to highlight availability in different flavors (e.g., "bold," "menthol"). CONCLUSIONS: This study has implications for tobacco product marketing regulation, particularly around limiting tobacco advertising in publications with a large youth readership and prohibiting false or misleading labels, labeling, and advertising for tobacco products, such as modified risk (unless approved by the FDA) or therapeutic claims.
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 | 0,001 | 0,004 |
| 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 ».