Feeding Minds: Exploring How Adults Shape Children’s Perceptions of Food through Everyday Conversations
Notice bibliographique
Résumé
This study explores the dynamics of food-related discourse between adults and children in British families, utilizing the CHILDES (Child Language Data Exchange System) database to analyze naturally occurring conversations. By employing corpus linguistics, natural language processing (NLP), and data science methods, the research examines how food is discussed, identifying patterns in vocabulary use, conversation initiation, and the linguistic framing of eating behaviours, which can exert lasting influences on future wellbeing. The findings reveal that the food-related vocabulary of children and adults mostly overlaps, centring around staple foods. However, there are notable differences: children frequently mention sweet foods and express desires for them, whereas adults use a broader and more sophisticated vocabulary, including terms related to meal preparation and diverse cuisines. Notably, although children place particular emphasis on sweet foods, adults too frequently mention them highlighting that both groups engage with sugary treats, albeit with different discursive functions. Moreover, adults are nearly twice as likely as children to initiate food-related conversations, reinforcing their role as primary facilitators of food discourse. An analysis of the different usages and patterns of the verb eat highlights the instructional and regulatory nature of adult speech, with frequent use of imperatives emphasizing that children must finish their food, and conditional statements linking eating to rewards or consequences. These patterns suggest that adults may shape children’s perceptions of portion sizes, satiety, and mealtime behaviour through epistemic primacy. Additionally, gendered differences in food-related praise reflect broader cultural expectations, with boys receiving more frequent positive reinforcement for eating.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».