Exposure to digital vape marketing among young people in Aotearoa New Zealand
Notice bibliographique
Résumé
AIMS: Little is known about the exposure of young people in Aotearoa New Zealand to marketing of vape products on social media. This study investigated vaping behaviour and the extent of vape marketing exposure and engagement that young people (14-20 years) report on social media and examined differences across socio-demographic groups. METHODS: An online survey was conducted with 3,698 participants aged between 14-20 years (M=17.1; SD=1.8). A range of genders (55.7% females, 38.3% males and 6% another gender), ethnicities (25.6% Māori, 46.7% Pākehā or NZ European, 6.5% Pasifika and 21.2% another ethnicity) and social classes took part. RESULTS: Half (50.8%; n=1,110) of the respondents (N=2,185) reported that they had vaped at least once; vaping history was positively related to exposure to and engagement with digital vape marketing. Half (50.3%; n=1,119) of the respondents (N=2,224) reported seeing vape marketing on at least one social media platform. Binary logistic regressions showed that younger respondents were more likely to report seeing vape marketing than older respondents, and Māori and Pasifika more likely than other ethnicities. Over a quarter (26%; n=563) of respondents (N=2,148) reported engaging with vape marketing online, with Māori and Pasifika respondents more likely to engage than other ethnicity groups, and similarly for respondents of lower compared to higher socio-economic status. No interaction effects were found. CONCLUSIONS: Many young people, including a subset under the legal age for purchase, reported seeing vape product marketing on social media platforms. Patterns of exposure to vape product marketing on social media mirror the inequitable marketing exposure of harmful commodities in physical environments. Improved transparency and regulation of social media marketing is required.
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 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».