Content analysis of Netflix and Amazon Prime Instant Video original films in the UK for alcohol, tobacco and junk food imagery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Exposure to alcohol, tobacco and high fat, sugar and salt (HFSS) food imagery is a significant risk factor for the uptake and regular use of these products in young people, and imagery are more frequently portrayed in video-on-demand (VOD) than in terrestrial television programmes. This study compared alcohol, tobacco and HFSS imagery in original films on Amazon Prime Instant Video and Netflix. METHODS: Content analysis of 11 original films released by Amazon Prime and Netflix in 2017 using 5-minute interval coding of alcohol, tobacco and HFSS content. Proportions of intervals containing alcohol, tobacco and HFSS imagery were compared between services using the chi-square test. RESULTS: Alcohol content appeared in 200 (41.7%) out of the total of 479 intervals coded, whereas tobacco and HFSS appeared in 129 (26.9%) and 169 (35.24%), respectively. Proportions were similar between Amazon Prime Instant Video and Netflix original films and were unrelated to film age classification. CONCLUSIONS: Alcohol, tobacco and HFSS content likely to promote consumption among young people occurs frequently in original films shown by VOD services in the UK. Further studies are needed to investigate effective regulatory frameworks for VOD services to protect viewers from harmful or unwanted contents.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle