MétaCan
Menu
Retour à la cohorte
Enregistrement W3209197454 · doi:10.5539/ijps.v13n4p32

The Impact of Israel’s “Models’ Law” on Young Women

2021· article· en· W3209197454 sur OpenAlexvenueno aff
Michal Cohen, Yael Latzer

Notice bibliographique

RevueInternational Journal of Psychological Studies · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyUnderweightDisordered eatingPsychological interventionLegislationYoung adultEating disordersClinical psychologyDevelopmental psychologyMedicineLawPsychiatryPolitical scienceBody mass index

Résumé

récupéré en direct d'OpenAlex

Background: The development of eating disorders (EDs) and disordered eating pathology (DEP) is related to a complex interplay of various factors, with the media being a main risk factor. The high comorbidity related to EDs and DEP highlights the importance of preventive interventions and requires additional prevention strategies that create opportunities for policy changes, while targeting media influences. In 2012, Israel initiated the “models’ law”, setting limits on both the employment of underweight models and the use of photo editing. This study examined the impact of the models’ law on body dissatisfaction, DEP, and EDs among young women in Israel. Methods: The study included two parts: self-report questionnaires and a telephone interview. The sample of 203 women was divided into two age groups, 81 women aged 18-24 and 122 women aged 25-35-that completed both parts of the study. Results: The models’ law had significantly higher impact on younger as opposed to older participants. Yet younger participants were found to have higher levels of DEP than the older participants. Additionally, participants who were highly supportive of the law had lower levels of DEP. Conclusion: The results indicate that younger participants had higher levels of DEP and were more influenced by the thin ideal and the media. Thus, these results highlight the importance of implementing prevention programs at younger ages and expanding the spectrum of prevention programs to the field of policy change, using legislation.

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)0,003
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 enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,124
Tête enseignante GPT0,483
Écart entre enseignants0,359 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Psychological StudiesMême sujetEating Disorders and BehaviorsTravaux en français237 207