The impact of characters like Tony the Tiger and other child-targeted techniques used in food and beverage marketing
Notice bibliographique
Résumé
Introduction Food marketing’s impact is a function of exposure and power, both of which contribute to children’s poor diet quality and obesity risk. Children’s exposure to food marketing is well documented, however, few studies have assessed the impact of specific persuasive marketing techniques or aspects of ‘power’ on children. Methods This study administered an online survey to 1,341 Canadian children (9–12 years) aiming to determine the impact of: (1) child-targeted vs. adult-targeted marketing, and (2) licensed characters vs. spokes characters on children’s food preferences and behavioral intentions. Participants were randomized to a single condition in each survey part and viewed 3 static food advertisements displaying the features of that condition (e.g., child-targeted advertising or licensed characters), and answered 3 Likert-scale (5-point) questions after each exposure. For each condition within each research question, there were four outcome variables related to the impact of marketing on children: food preference, purchase intent, pester power, and total impact. ANOVA tested the difference in impact (Likert scores) between conditions overall and for each outcome, with Bonferroni post-hoc tests where necessary. Results A greater average total impact was observed among children exposed to child-targeted ads (mean Likert score 3.36) vs. adult-targeted ads (mean score 2.75; p < 0.001) or no marketing (mean score 2.81; p < 0.001). Children exposed to ads featuring spokes characters had a higher average total impact (mean score 3.98) vs. licensed characters (mean score 3.80; p < 0.001) and the control (i.e., no characters) (mean score 3.19; p < 0.001), and the total impact of licensed characters was greater than that of no characters. Similar trends were observed for all other outcomes. Discussion Overall, this study showed that child-targeted ads and those using characters - especially spokes characters - have a strong overall impact on children’s food preferences, purchase intents, and pester power, and support the implementation of comprehensive marketing restrictions to protect children.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».