The Effect Of #wieiad Videos On Intentions To Change Diet And Exercise In Young Men
Notice bibliographique
Résumé
TikTok is one of the most widely used social media platforms by young adults. A popular trend on TikTok is what I eat in a day (#WIEIAD) videos, which showcase meal plans, recipes, and physical appearance. It is important to understand the effects that viewing this idealized content has on body image and emotional outcomes, including in young men, a population often marginalized in body image research. PURPOSE. The purpose of the present study was to examine direct and indirect effects of viewing WIEIAD videos on TikTok on young men’s intentions to change diet and exercise. METHODS. Young men (N = 221; aged 18-30 years) were recruited on Cloud Research Connect. Participants were randomly assigned to view 7-minutes of WIEIAD videos or travel videos (control). Participants completed pre and post manipulation measures of fitness-related envy, and post manipulation measures of appearance comparisons and intentions to change diet and exercise. Direct and indirect effects were tested using PROCESS model 6 in SPSS (serial mediation). RESULTS: Viewing WIEIAD videos did not directly predict intentions to change diet (β = -.07, p = .691) or exercise (β = -.23, p = .271 ); however it was associated with higher upward appearance comparisons (β = 1.23, p < .001). Upward appearance comparisons predicted higher fitness-related envy (β = 2.58, p = < .001). Fitness-related envy did not predict higher intentions to change diet (β = .01, p = .553) or exercise (β = .01, p = .487); however, appearance comparisons predicted higher intentions to change diet (β = .43, p = <.001), and intentions to change exercise (β = .35, p = <.001). CONCLUSIONS: Viewing WIEIAD videos on TikTok influences intentions to change diet and exercise in young men through upward appearance comparisons. Given that social media has negative effects on mental health, researchers should further investigate if these intentions lead to adaptive or maladaptive health behaviors in young men. Supported by: This work was supported through funding obtained by Kimberley Gammage from the Social Science and Humanities Research Council (SSHRC) of Canada
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».