MétaCan
Menu
Retour à la cohorte
Enregistrement W7162408592 · doi:10.2196/88825

Exploring the discourse around Zyn nicotine pouches on Instagram and TikTok: A Content Analysis (Preprint)

2025· article· en· W7162408592 sur OpenAlexvenueno aff
Arpita Tripathi, Beth Hoffman, Christine Larkin, Piper Narendorf, Chaim Kittredge, Coltin Kunz, Jaime E. Sidani

Notice bibliographique

RevueJMIR Infodemiology · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContent analysisDiscourse analysisNicotineContent (measure theory)Critical discourse analysisNarrative

Résumé

récupéré en direct d'OpenAlex

Background: Oral nicotine pouches, such as Zyn, have rapidly grown in popularity in the United States, with sales increasing from 83.2 million cans in 2020 to 385 million cans in 2023. This growth has occurred alongside concerns about youth use. At the same time, Zyn's visibility on social media has also expanded, where youth-targeted content may shape perceptions and influence product uptake. Objective: This content analysis of Instagram and TikTok Zyn-related posts aimed to (1) examine their sentiment and content, (2) assess youth appeal, (3) identify potential misinformation, and (4) report the most frequently used hashtags in the selected posts as indicators of platform-specific framing and audience targeting. Methods: In March 2024, we collected 10,502 Instagram posts and 609 TikTok posts with #Zyn. We used a systematically developed codebook to guide the analysis of a random Instagram subsample (n=1200) and all TikTok posts (n=609). Interrater reliability was assessed using a Cohen κ of more than 0.80 and percent agreement. Results: Many coded posts expressed positive sentiment (n=789/887, 88.9%) and normalized Zyn use through comedic content (n=308/887, 35.2%). Posts revealed youth-targeted themes, including appealing flavors (n=417/887, 87.6%); Zyn usage methods (n=159/887, 18.1%); and associations with sports, athletic, and gym settings (n=70/887, 8%). Both platforms contained posts with potential misinformation. While TikTok featured more influencer-generated content, Instagram showcased more business and commercial content. Conclusions: Findings suggest that Zyn-related social media content may appeal to youth. Zyn and other oral nicotine pouches are often presented favorably with engaging content, underscoring the need for updated regulatory strategies to address potential misinformation and their appeal to youth.

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)0,005
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,006
Communication savante0,0070,006
Science ouverte0,0010,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,156
Tête enseignante GPT0,399
Écart entre enseignants0,243 · 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'étudeQualitatif
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
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJMIR InfodemiologyMême sujetImpact of Technology on AdolescentsTravaux en français237 207