Adolescent exposure to food and beverage marketing on social media by gender: a pilot study
Notice bibliographique
Résumé
Abstract Objective: The objective of this research was to determine if, based on gender, adolescents were exposed to different marketing techniques that promoted food and beverages over social media. Design: A secondary analysis of adolescent boy ( n 26) and girl ( n 36) exposures ( n 139) to food and beverage marketing was conducted. Mann–Whitney U and Fisher’s exact tests were conducted to compare the number, healthfulness and the marketing techniques of exposures viewed by boys and girls. Setting: Ottawa, Ontario, Canada. Participants: Sixty-two adolescents aged 12–16 years. Results: Boys and girls were exposed to similar volumes of food marketing instances (median = 2 for both boys and girls, Mann–Whitney U = 237, P = 0·51) per 10-min period of social media use. More girls viewed products that were excessive in total fat compared to boys (67 % v . 35 %, P = 0·02). Boys were more likely to view instances of food marketing featuring a male as the dominant user (50 % v . 22 %, P = 0·03), appeals to achievement (42 % v . 17 %, P = 0·04), an influencer (42 % v . 14 %, P = 0·02) and appeals to athleticism (35 % v . 11 %, P = 0·03), whereas girls were more likely to view instances of food marketing featuring quizzes, surveys or polls (25 % v . 0 %, P = 0·01). Conclusions: Food and beverage companies utilise marketing techniques that differ based on gender. More research examining the relationship between digital food and beverage marketing and gender is required to inform the development of gender-sensitive policies aimed at protecting adolescents from unhealthy food marketing.
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 | 0,005 | 0,001 |
| 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 | 0,003 | 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 ».