MétaCan
Menu
Retour à la cohorte
Enregistrement W2769392823 · doi:10.5539/ijms.v9n6p24

Impact of TV Advertising on Children’s Food Choices

2017· article· en· W2769392823 sur OpenAlexvenueno aff
Ayda Sabaghzadeh Tousi, Zelha Altınkaya

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCulinary Culture and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdvertisingConsumption (sociology)PsychologyMusicalTelevision advertisingStatistical analysisRegression analysisFood consumptionMarketingBusinessMathematicsStatisticsSociologyEconomicsAgricultural economics

Résumé

récupéré en direct d'OpenAlex

This research emphasizes on the impact of TV advertising on children’s food choices. For this reason, a questionnaire was prepared and focused on Food Advertisement, TV Advertisement, School Advertisement, Musical Advertisement, Children’s Consumption Attitudes and analysis children’s opinions who are aging from 8 to 11 years old from primary school. In a college in Avcilar—Istanbul was chosen for the survey area. This study is proposed to discover the effect of TV food advertising on children as a target group. This survey will make use of statistical techniques Hypothesis was conveyed to show the significance ANOVA and factor analysis used. Also, SPSS statistical tool used for analyzing hypothesis.Results show that all of the four factors, food advertisement, TV advertisement, musical advertisement and musical advertisement affects the children’s food consumption behavior, the results emphasis on the reality of this hypothesis and its true, and importance of it and also show that in this research obtained the result which wanted. However, regression equation can be used to estimate. In this case, according to regression analysis, TV Advertisement and Musical Advertising can be used to estimate children’s food consumption behavior scores.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,213
Score d'incertitude au seuil0,164

Scores Codex et Gemma par catégorie

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

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 Opus0,031
Tête enseignante GPT0,326
Écart entre enseignants0,294 · 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 tête enseignante, 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetCulinary Culture and TourismTravaux en français237 207