Original quantitative research - What popular bars post on social media platforms: a case for improved alcohol advertising regulation
Notice bibliographique
Résumé
INTRODUCTION: The aim of this study was to document the scope of violations of the Canadian Radio-television and Telecommunications Commission (CRTC) “Code for Broadcast Advertising of Alcoholic Beverages” (CRTC Code) by drinking venues posting alcohol-related content on social media platforms, and to assess whether CRTC Code violations by drinking venues relate to their popularity among university students and to students’ drinking behaviours. METHODS: In phase 1 of the study, a probability sample of 477 students from four Canadian universities responded to a questionnaire about their drinking and preferred drinking venues. In phase 2, a probability sample of 78 students assessed the compliance of drinking venues’ social media posts with the 17 CRTC Code guidelines. We pooled both datasets and linked them by drinking venues. RESULTS: Popular drinking venues were overwhelmingly posting alcohol-related content that contravenes the CRTC Code. Adjusted effect estimates show that a decrease in the mean level of compliance with the CRTC Code was significantly associated with a 1% increase in popularity score of drinking venues (t-test, p < .001). With regard to drinking behaviours, a 1% increase in the overall mean level of compliance with the CRTC Code was associated with 0.458 fewer drinking days per week during a semester (t-test, p = .01), 0.294 fewer drinks per occasion (t-test, p = .048) and a lesser likelihood of consuming alcohol when attending a drinking venue (t-test, p = .001). CONCLUSION: The results of this study serve as a reminder to territorial and provincial regulatory agencies to review their practices to ensure that alcohol advertising guidelines are applied and enforced consistently. More importantly, these results call for the adoption of federal legislation with a public health mandate that would apply to all media, including print, television and radio, digital and social.
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 | 0,054 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».