Restaurant marketing to kids in Canada: associations with restaurant consumption and appealing restaurant advertisement features in a nationally representative sample of Canadian young people aged 9–17 years
Notice bibliographique
Résumé
OBJECTIVE: Restaurant marketing to children may be associated with consumption. We examined whether and to what extent reported frequency of restaurant advertisements exposure was associated with consumption and money spent at all types of restaurants among children living in Canada. We also describe what children and youth report as appealing restaurant marketing techniques. DESIGN: This study reports findings from a cross-sectional, online survey. The survey covered reported exposure to restaurant marketing, restaurant product consumption, money spent at restaurants and appealing features of restaurant advertisements. Descriptive statistics and adjusted and unadjusted linear and logistic regressions were constructed. SETTING: Canadian provinces. PARTICIPANTS: 1500 children and youth aged 9-17 years. RESULTS: A third (32 %) of participants reported restaurant advertisement exposure at least once per day. Overall, 43 % of participants consumed restaurant products more than twice per week, 61 % spent at least some money at a restaurant in the last 7 d, and of those who spent money, the mean expenditure in the last week was $20·70. Frequency of advertisement exposure was significantly associated with all outcomes. Several significant differences in outcomes emerged by region, age and race/ethnicity. Pictures were the most appealing marketing technique among both age groups; however, youth (aged 13-17 years) seemed to prioritise price and price promotions, while children (aged 9-12 years) prioritised toys, humour and winning prizes. CONCLUSIONS: A large proportion of Canadian children and youth consumed restaurant offerings more than twice a week. Reported restaurant advertising exposure was significantly positively associated with restaurant consumption frequency and money spent at restaurants.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».