MétaCan
Menu
Retour à la cohorte
Enregistrement W2556669106 · doi:10.1080/09581596.2016.1240356

Knowledge needs and the ‘savvy’ child: teenager perspectives on banning food marketing to children

2016· article· en· W2556669106 sur OpenAlexafffundabout
Charlene Elliott

Notice bibliographique

RevueCritical Public Health · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta Livestock and Meat AgencyCanada Research ChairsAlberta Innovates - Health Solutions
Mots-clésFraming (construction)MarketingFood marketingPublic relationsMedia literacyPublic healthVulnerability (computing)LiteracyAdvertisingPsychologyBusinessPolitical scienceMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

Food marketing to children is a powerful factor in the health of young people. In Canada, one proposed measure to protect young people is to ban all food and beverage marketing to children under age 13. Since policy initiatives should consider the voices of those directly impacted, we conducted focus groups with teenagers aged 12–14 – precisely those individuals who would be directly impacted by, or just over, the age threshold proposed. The majority of teenagers consulted were opposed to a ban on food marketing, framing food marketing as a way to meet their consumer needs. Such perspectives mirror the arguments made by the food industry, and suggest that teenagers’ self-identification as consumers trump questions of ethics or public health. Even though teenagers argue that marketing is often misleading, they do not view regulation as a solution – a view troubled by the fact that many of the teenagers underestimated their own vulnerability to marketing. The research points to the need for a more complex understanding of how food marketing messages are understood by teenagers, for a more robust media literacy education, and for the need to engage – not ignore – young people when it comes to issues of public health.

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)0,010
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,015
Communication savante0,0100,010
Science ouverte0,0010,008
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,342
Écart entre enseignants0,305 · 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'étudeQualitatif
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

Citations20
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCritical Public HealthMême sujetChild Development and Digital TechnologyTravaux en français237 207