The impact of brand advertising on children’s food preferences and behavioural intentions: an experimental study
Notice bibliographique
Résumé
Abstract Objective: Despite strong evidence linking exposure to food and beverage marketing with poor diet quality and negative health impacts in children, the effect of brand marketing (i.e. marketing featuring branded content, but no food products) is uncertain. This study evaluated the impact of brand marketing v. product-based advertising on children’s food preferences and behavioural intentions. Design: An online survey was administered to participants randomised to one of four ad conditions; familiar product (i.e. from popular Canadian brands); familiar brand (i.e. no food product, Canadian brand); unfamiliar product (i.e. foreign products); and unfamiliar brand ad (i.e. foreign brand). Participants viewed three ads displaying features of that condition and answered three 5-point Likert-scale questions related to the study outcomes: food preference, purchase intent and pester power. The average of all outcomes determined the total impact. An ANOVA with Bonferroni post hoc tests evaluated differences in impact between conditions. Setting: Canada participants: n 1341 Canadian children (9–12 years) Results: Familiar product ads had a higher total impact on children (mean score 3·57) compared with familiar brand ads (2·88), unfamiliar brand ads (3·24) or unfamiliar product ads (3·09; P < 0·001 for all pairwise comparisons). Total impact was lower for familiar brand ads than for unfamiliar brand ads or unfamiliar product ads (P < 0·001 for all pairwise comparisons). The impact of an unfamiliar brand and product did not differ (P = 0·53). Conclusions: Results suggest that familiar product ads seem to have a stronger impact on children’s food preferences and behavioural intentions than familiar brand ads, unfamiliar brand ads and unfamiliar product ads.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».