MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387895737 · doi:10.21203/rs.3.rs-3413638/v1

Bartender: portrayals of popular alcohol influencer’s videos on TikTok ©

2023· preprint· en· W4387895737 sur OpenAlexaff
Erell Guégan, Marco Zenone, Mélissa Mialon, Karine Gallopel‐Morvan

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensSR Research (Canada)University of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAlcoholInfluencer marketingAlcohol contentAdvertisingPsychologySocial psychologyBusinessMarketingChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Background Despite widespread use of the short-video social media platform TikTok©, there is limited research investigating how alcohol is portrayed on the platform. Previous research suggests a driver of alcohol content on TikTok© in part comes from bartenders demonstrating making drinks. The purpose of this study is to explore the characterizing patterns of how bartender influencers on TikTok© feature and incorporate alcohol in their videos. Methods We identified the top 15 most followed bartenders on TikTok© in 2021 (cumulative 29.7 million subscribers). The 345 videos they posted in November and December 2021 received 270,325,600 views. The videos were coded based on five criteria: (1) presence of alcohol or not; (2) alcohol categories; (3); alcohol brand(s) if visible; (4) presence of candies and other sweet products; (5) presence of cues that refer to young people’s interests. Results Among the 345 videos, 92% (n = 317) displayed alcohol in their cocktail recipes (249,275,600 views). The most common types of alcohol present in videos were liquor, vodka, rum, and whiskey, all of which are high ABV beverages. 73% (n = 230) displayed or mentioned an alcohol brand. 17% (n = 55) associated alcohol with sweet products such as different types of candy (53,957,900 views). 13% (n = 43) contained cues appealing to young people (e.g., cartoons, characters) (15,763,300 views). Conclusions Our findings suggest a large presence of positively framed alcohol content posted by popular bartenders on TikTok©. As exposure to digital marketing is related to an increase in alcohol consumption, particularly in young people, regulations are needed to protect the public from alcohol-related harms.

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)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,209
Tête enseignante GPT0,503
Écart entre enseignants0,294 · 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'étudeQualitatif
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetImpact of Technology on Adolescents→Travaux en français237 207→