Beyond the screen: Exploring the dynamics of social media influencers, digital food marketing, and gendered influences on adolescent diets
Notice bibliographique
Résumé
Adolescent obesity remains a public health concern, exacerbated by unhealthy food marketing, particularly on digital platforms. Social media influencers are increasingly utilized in digital marketing, yet their impact remains understudied. This research explores the frequency of posts containing food products/brands, the most promoted food categories, the healthfulness of featured products, and the types of marketing techniques used by social media influencers popular with male and female adolescents. By analyzing these factors, the study aims to provide a deeper understanding of how social media influencer marketing might contribute to dietary choices and health outcomes among adolescents, from a gender perspective, shedding light on an important yet underexplored aspect of food marketing. A content analysis was conducted on posts made between June 1, 2021, and May 31, 2022, that were posted by the top three social media influencers popular with males and female adolescents (13-17) on Instagram, TikTok, and YouTube (N = 1373). Descriptive statistics were used to calculate frequencies for posts containing food products/brands, promoted food categories, product healthfulness, and marketing techniques. Health Canada's Nutrient Profile Model was used to classify products as either healthy or less healthy based on their content in sugar, sodium, and saturated fats. Influencers popular with males featured 1 food product/brand for every 2.5 posts, compared to 1 for every 6.1 posts for influencers popular with females. Water (27% of posts) was the primary food category for influencers popular with females, while restaurants (24% of posts) dominated for males. Influencers popular with males more commonly posted less healthy food products (89% vs 54%). Marketing techniques varied: influencers popular with females used songs or music (53% vs 26%), other influencers (26% vs 11%), appeals to fun or coolness (26% vs 13%), viral marketing (29% vs 19%), and appeals to beauty (11% vs 0%) more commonly. Influencers popular with males more commonly used calls-to-action (27% vs 6%) and price promotions (8% vs 1%). Social media influencers play a role in shaping adolescents' dietary preferences and behaviors. Understanding gender-specific dynamics is essential for developing targeted interventions, policies, and educational initiatives aimed at promoting healthier food choices among adolescents. Policy efforts should focus on regulating unhealthy food marketing, addressing gender-specific targeting, and fostering a healthy social media environment for adolescents to support healthier dietary patterns.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».