MétaCan
Menu
Retour à la cohorte
Enregistrement W3004418889 · doi:10.3390/nu12020428

Exposure to Food and Beverage Advertising on Television among Canadian Adolescents, 2011 to 2016

2020· article· en· W3004418889 sur OpenAlexafffundabout
Christine D Czoli, Elise Pauzé, Monique Potvin Kent

Notice bibliographique

RevueNutrients · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensHeart and Stroke FoundationUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health ResearchCenters for Disease Control and PreventionHeart and Stroke Foundation of Canada
Mots-clésTelevision advertisingAdvertisingFood marketingConsumption (sociology)Unhealthy foodFood consumptionPsychologyEnvironmental healthMarketingBusinessMedicineAgricultural economicsEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

Adolescents represent a key audience for food advertisers, however there is little evidence of adolescent exposure to food marketing in Canada. This study examined trends in Canadian adolescents' exposure to food advertising on television. To do so, data on 19 food categories were licensed from Nielsen Media Research for May 2011, 2013, and 2016 for the broadcasting market of Toronto, Canada. The average number of advertisements viewed by adolescents aged 12-17 years on 31 television stations during the month of May each year was estimated using television ratings data. Findings revealed that between May 2011 and May 2016, the total number of food advertisements aired on all television stations increased by 4%, while adolescents' average exposure to food advertising decreased by 31%, going from 221 ads in May 2011 to 154 in May 2016. In May 2016, the advertising of fast food and sugary drinks dominated, relative to other categories, accounting for 42% and 11% of all exposures, respectively. The findings demonstrate a declining trend in exposure to television food advertising among Canadian adolescents, which may be due to shifts in media consumption. These data may serve as a benchmark for monitoring and evaluating future food marketing policies in Canada.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,029
Score d'incertitude au seuil0,208

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,239
Écart entre enseignants0,222 · 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'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

Citations32
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207