MétaCan
Menu
Retour à la cohorte
Enregistrement W4403939786 · doi:10.1371/journal.pdig.0000630

Normalizing junk food: The frequency and reach of posts related to food and beverage brands on social media

2024· article· en· W4403939786 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevuePLOS Digital Health · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesHeart and Stroke Foundation of Canada
Mots-clésSocial mediaAdvertisingBusinessMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

Food and beverage marketing on social media contributes to poor diet quality and health outcomes for youth, given their vulnerability to marketing's effects and frequent use of social media. This study benchmarked the reach and frequency of earned and paid media posts, an understudied social media marketing strategy, of food brands frequently targeting Canadian youth. The 40 food brands with the highest brand shares in Canada between 2015 and 2020 from frequently marketed food categories were determined using Euromonitor data. Digital media engagement data from 2020 were licensed from Brandwatch, a social intelligence platform, to analyze the frequency and reach of brand-related posts on Twitter, Reddit, Tumblr, and YouTube. The 40 food brands were mentioned on Twitter, Reddit, Tumblr, and YouTube a total of 16.85M times, reaching an estimated 42.24B users in 2020. The food categories with the most posts and reach were fast food restaurants (60.5% of posts, 58.1% of total reach) and sugar sweetened beverages (29.3% of posts, 37.9% of total reach). More men mentioned (2.77M posts) and were reached (6.88B users) by the food brands compared to women (2.47M posts, 5.51B users reached). The food and beverage brands (anonymized), with the most posts were fast food restaurant 2 (26.5% of the total posts), soft drink 2 (10.4% of the total posts), and fast food restaurant 6 (10.1% of the total posts). In terms of reach, the top brands were fast food restaurant 2 (33.1% of the total reach), soft drink 1 (18.1% of the total reach), and fast food restaurant 6 (12.2% of the total reach). There is a high number of posts on social media related to food and beverage brands that are popular among children and adolescents, primarily for unhealthy food categories and certain brands. The conversations online surrounding these brands contribute to the normalization of unhealthy food and beverage intake. Given the popularity of social media use amongst of children and adolescents, policies aiming to protect these vulnerable groups need to include the digital food environment.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,399
Score d'incertitude au seuil0,427

Scores Codex et Gemma par catégorie

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

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 Opus0,039
Tête enseignante GPT0,304
Écart entre enseignants0,266 · 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