MétaCan
Menu
Retour à la cohorte
Enregistrement W4799241 · doi:10.1096/fasebj.22.1_supplement.874.4

Food adverts on children's programs on TV in South Africa

2008· article· en· W4799241 sur OpenAlexaff
Norman J. Temple, Nelia P. Steyn, Zibuyile Nadomane

Notice bibliographique

RevueThe FASEB Journal · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésAdvertisingXhosaGeographyFood scienceBusinessBiology

Résumé

récupéré en direct d'OpenAlex

Research in the U.S.A. since the early 1990s has shown that adverts that appear on children's programs on TV are the antithesis of the recommended diet. They are mainly for fast foods and for foods rich in sugar and fat. There is almost no promotion of healthy food choices. Essentially all such previous research has been conducted in developed countries. In this study we examined food advertising on children's TV in South Africa. We recorded 2 sets of children's programs during weekdays: (1) 12 hours of programs (SABC2; 9 am–11 am); these are for children below school age, are mainly in English and Africaan, plus a small amount in Xhosa. Out of 47 ads none were for food. (2) 37.5 hours of programs were recorded on YoTV (SABC1; 3 pm–530 pm). This program is for children aged over approximately 7 years. It is mainly in English plus a small amount in Zulu. Out of 408 ads 69 (16.9%) were for food. Virtually all (97%) of the food ads fall into 2 groups: (1) 38 ads (55%) were for foods of generally poor nutritional value (fast food restaurants, highly refined breakfast cereals, candies, potato chips, and sugar‐rich cold drinks); (2) 29 ads (42%) were for foods of generally good nutritional value (yoghurt and peanut butter). These findings suggest that food ads on children's TV in South Africa is more evenly balance towards healthier foods than is the case in the U.S.A. Further investigation is required to form a clearer picture.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,247
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetChild Development and Digital TechnologyTravaux en français237 207