Trends in substance references in Australian top 20 songs between 1990 and 2015
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: This study examined references to alcohol and other drugs in top 20 songs over the last quarter of a century to explore the potential for popular music to constitute a barometer for changes occurring in youth consumption of alcohol and other substances. DESIGN AND METHODS: The online Australian Recording Industry Association charts resource was accessed to identify the top 20 songs for the period 1990 to 2015 inclusive. The lyrics of the identified songs were imported into NVivo11 for coding and analysis. Two coders analysed each song by line unit and a third coder assisted in resolving any coding discrepancies. RESULTS: Of the 508 discrete songs, 74 (15%) featured references to alcohol, tobacco and/or illicit drugs. Substance mentions increased over time such that the second half of the study period accounted for three-quarters of all references. The peak period for mentions was 2008-2012, with 2010 exhibiting an especially high prevalence rate for alcohol references. There was a marked decline in alcohol mentions between 2010 and 2013. The rate at which female artists referred to alcohol increased sharply until 2010 and then decreased. DISCUSSION AND CONCLUSIONS: Patterns in substance mentions in top 20 songs in more recent years may reflect broader social trends that influence youth substance use. As such, monitoring music lyrics may assist researchers to better understand forces underlying patterns of youth substance use.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».