Children and adolescents' exposure to food and beverage marketing in social media apps
Notice bibliographique
Résumé
BACKGROUND: Unhealthy food marketing is a powerful determinant of unhealthy diets and obesity among children. Although it is known that food marketers target young people on social media, no study has yet quantified children's exposure on these platforms. OBJECTIVES: To compare the frequency and healthfulness of food marketing seen by children and adolescents on social media apps as well as estimate their weekly exposure. METHODS: 101 children and adolescents (ages 7-16 years) completed a survey on their media use and were recorded using their two favourite social media apps for 5 minutes each on the mobile device they usually use. Recordings of app use were reviewed to identify food marketing exposures. RESULTS: Overall, 72% of participants were exposed to food marketing. Of the 215 food marketing exposures identified, most promoted unhealthy products such as fast food (44%) and sugar-sweetened beverages (9%). Adolescents viewed more instances of food marketing, on average, per 10-minute period compared with children (Mean [SD] = 2.6 [2.7] versus 1.4 [2.1], U = 1606, z = 2.94, P = 0.003). It was also estimated that children and adolescents see food marketing 30 and 189 times on average per week on social media apps, respectively. CONCLUSIONS: Statutory regulations restricting unhealthy food marketing to adolescents and children on social media should be considered.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».