#ad on Instagram: Investigating the Promotion of Food and Beverage Products
Notice bibliographique
Résumé
The recent rise in popularity of social networking sites has led to an associated increase in user-generated photographic content relating to various aspects of users’ personal lives. The sharing of food photography has become a popular means of social interaction between friends and strangers online, and has prompted companies in the food and beverage industry to shift their marketing objectives from the traditional top-down strategies to a more modern peer-to-peer approach. The current study investigated the promotion of food and beverage products on Instagram tagged with #ad. Specifically, the current study evaluated aspects of food and beverage images (N = 100) which garnered the most popularity (i.e., likes) among viewers, information about the author (e.g., credentials), as well as cues to like or comment on each image and the audience reaction to images. In evaluating the popularity of food and beverage images, a likes-to-follower ratio was calculated by dividing the number of likes on each image by the number of followers the author of the image had. Findings of this study indicated that images containing beverages, mainly consisting of protein or weight-loss drinks, were more popular compared to advertised food products (p = 0.026). In addition, the majority of authors were not considered credible sources of nutrition information (n = 94), and many did not list credentials (n = 89), indicating that advertised food and beverage products may not fully align with evidence-based guidelines that one would receive from a Registered Dietitian or other healthcare professional. The majority of comments on images were positive (M = 15.0, SD = 24.6), suggesting a low message resistance to food and beverage products advertised on Instagram. Results of this research have implications for public health initiatives targeted towards marketing food and beverage products on social networking sites.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».