Assessing Social, Emotional, and Economic Indicators of Eating Behavior Among University Students in Jordan
Notice bibliographique
Résumé
This study aims to analyze the influence of social, emotional, and economic factors on shaping the eating behavior of university students by understanding the interconnected roles of family, community, mood, and living conditions in guiding their food choices. The results show significant differences across most variables, with the highest distribution within middle-income families (54.85%) and low-income families (53.19%). The mean BMI was 26.07, with significant correlations with weight and age. Social influence on eating behavior was moderate (M = 0.44), with the highest influence being social support (0.88) and the lowest influence being social pressure (0.20). The proportion of males in the household had a significant influence, with the highest means being found among small families, working families, and individuals with a low proportion of males. The influence of mood was low (M = 2.28), with a slight increase in taste-driven eating (2.43). No statistically significant differences were recorded between demographic and economic variables, except for a slight correlation with family size, with large families recording the highest mean (2.33). The economic impact was moderate (M=0.61), with rising prices of healthy foods being the main factor (0.81). Employment and income variables recorded significant effects, with the highest means appearing in large families (0.58), working families (0.59), and low-income families (0.63), indicating increased economic pressures with limited resources. Statistically significant positive relationships were found between the social index, age, and weight, and negative relationships with the mood index for age, weight, and height. The economic index was positively correlated with both age and weight. The study recommends strengthening family and community support, providing affordable, healthy food, and adopting policies that take into account individual and demographic differences in students’ eating behavior.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».