Différences entre les sexes dans l’exposition des enfants aux publicités d’aliments et de boissons diffusées à la télévision dans quatre villes du Canada
Bibliographic record
Abstract
Introduction Il existe des différences liées au sexe dans les taux d’obésité, les régimes alimentaires et les temps d’écoute de télévision des enfants. Les enfants continuent à être exposés aux publicités d’aliments malsains à la télévision au Canada. Notre objectif était d’étudier les différences entre les sexes dans l’exposition à la publicité alimentaire chez les enfants et les jeunes de 2 à 17 ans dans quatre marchés anglophones canadiens. Méthodologie Nous avons obtenu des données sur la publicité télé diffusée sur 24 heures auprès de la société Numerator pour janvier à décembre 2019, dans quatrevilles canadiennes (Vancouver, Calgary, Montréal et Toronto). L’exposition à la publicité alimentaire destinée aux enfants a été analysée dans les 10 stations de télévision les plus populaires chez les enfants puis a été comparée selon le sexe, globalement et en fonction de la catégorie d’aliments, de la station de télévision, du modèle de profilage des nutriments proposé par Santé Canada et des techniques de marketing. L’exposition a été estimée à l’aide de points d’exposition bruts et les différences entre les sexes ont été décrites en valeurs relatives et en valeurs absolues. Résultats Les garçons et les filles ont été exposés à un niveau élevé de publicité sur les aliments malsains et à une multitude de techniques de marketing dans les quatre villes. Des différences entre les sexes ont été relevées entre les villes et au sein de celles-ci. Par rapport aux filles, les garçons à Vancouver et à Montréal ont visionné respectivement 24,7 % et 24,0 % plus de publicités sur des aliments malsains par personne sur un an etont été exposés à 90,2 et 133,4 appels à l’action supplémentaires, à 93,3 et 97,8 évocations supplémentaires d’un avantage lié à la santé et à 88,4 et 81,0 produits supplémentaires attrayants pour les enfants. Conclusion La télévision est une source importante d’exposition des enfants à la publicité alimentaire, avec des différences claires entre les sexes. Les décideurs doivent tenir compte du sexe lorsqu’ils mettent en place des restrictions et des activités de surveillance en lien avec la publicité alimentaire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".