US young adults’ perceived effectiveness of draft pictorial e-cigarette warning labels
Notice bibliographique
Résumé
SIGNIFICANCE: Research shows that pictorial warning labels for cigarettes are more effective than text-only warnings, and preliminary work suggests that pictorial warnings could also be considered for electronic cigarettes (e-cigarettes). Pictorial warnings may be important for maximising their effectiveness among young people and enhancing the salience of the single nicotine addiction warning required for e-cigarettes to date in the USA. This study collected pilot data about the perceived effectiveness of draft e-cigarette pictorial warnings. METHODS: Participants were 876 young adults (ages 18-29) recruited through Amazon Mechanical Turk who completed an online e-cigarette survey in 2018. Participants viewed and ranked five versions of the same e-cigarette nicotine addiction warning message-four pictorial and one text-only-on their perceived noticeability, likelihood of capturing young people's attention, memorability, relevance to the addiction warning text and overall effectiveness in warning people about e-cigarette risks. For each outcome, presentation of the five warning versions was randomised. Pictorials included symbolic images of risk and addiction, and of priority audiences for the warning (ie, young people). RESULTS: For all outcomes, pictorial warnings were ranked higher than the text-only warning, and the warning using a yellow triangle caution icon was ranked highest for all outcomes. The text-only warning was ranked as the least likely to be effective for all four outcomes in which it was assessed. Trends were similar for current e-cigarette users and non-users. CONCLUSIONS: Future research should assess perceptions and the appropriateness of pictorial imagery for e-cigarette warnings and test their efficacy against text-only warnings experimentally.
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) | 0,000 | 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 ».