‘Everyone’s a bit buzzed, why not share that’: exploring alcohol-related user-generated content among young people in Victoria, Australia
Notice bibliographique
Résumé
Social media platforms are increasingly saturated with alcohol-related user-generated content (UGC), which can shape young people's attitudes and behaviours towards drinking. While all young people are potentially influenced by this content, certain groups, such as Aboriginal young people; lesbian, gay, bisexual, transgender, queer, or other sexual and gender minorities (LGBTQ+) young people; and those living in regional areas, experience disproportionate alcohol-related harms and may have unique experiences with alcohol-related UGC. However, research examining these diverse perspectives remains limited. This qualitative study explored perspectives of Aboriginal, LGBTQ+, and regional young people (aged 16-20) regarding alcohol-related social media practices through semi-structured interviews (n = 24). Reflexive thematic analysis was applied, with four overarching themes constructed from the data: (i) participants described alcohol posting as performative practice tied to sociability, identity, and peer influence; (ii) social media posts and digital amplification were seen to embed binge drinking culture within youth identity; (iii) Aboriginal, LGBTQ+, and regional participants reported distinct responses to alcohol UGC, with experiences shaped by stereotyping, safety concerns, and permissive environments; (iv) influencer-generated content was viewed as highly pervasive and many participants expressed scepticism at its authenticity. Policy action is needed to protect young people from the harms associated with online alcohol promotion and must recognize the intersectional experiences of young people from Aboriginal, LGBTQ+ and regional communities.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».