論文の概要: Understanding How People with Binge Eating Disorder and Bulimia Interact
with Digital Food Content
- arxiv url: http://arxiv.org/abs/2311.05920v1
- Date: Fri, 10 Nov 2023 08:09:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-13 15:45:21.329260
- Title: Understanding How People with Binge Eating Disorder and Bulimia Interact
with Digital Food Content
- Title（参考訳）: ビンゴ摂食障害とブリミアとデジタル食品の相互作用の理解
- Authors: Ryuhaerang Choi, Subin Park, Sujin Han, Sung-Ju Lee
- Abstract要約: 摂食障害のある人を対象に,デジタル食品を消費する動機と実践を理解するために,2回の研究を行った。
本研究は,摂食障害のある人は,デジタル食品メディアの症状を克服する効果を期待するが,実際には障害を悪化させることが多いことを明らかにした。
- 参考スコア（独自算出の注目度）: 4.896060424238131
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A large body of research has focused on understanding how online content and
disordered eating behaviors are associated. However, there is a lack of
comprehensive studies investigating digital food content's influence on
individuals with eating disorders. We conducted two rounds of studies (N=23 and
22, respectively) with individuals with eating disorders to understand their
motivations and practices of consuming digital food content. Our study reveals
that individuals with eating disorders anticipate positive effects from digital
food media to overcome their condition, but in practice, it often exacerbates
their disorder. We also discovered that many individuals have experienced a
cycle of quitting and returning to digital food content consumption. Based on
these findings, we articulate design implications for digital food content and
multimedia platforms to support individuals vulnerable in everyday online
platform interactions.
- Abstract（参考訳）: 多くの研究は、オンラインコンテンツと無秩序な食事行動がどのように関連しているかを理解することに焦点を当てている。
しかし、食障害のある個人に対するデジタル食品コンテンツの影響を総合的に調査する研究は乏しい。
食事障害のある人を対象に, デジタル食品摂取の動機と実践を理解するため, 2回の調査(n=23, 22)を行った。
本研究は,摂食障害のある人は,デジタル食品メディアの症状を克服する効果を期待するが,実際には障害を悪化させることが多いことを明らかにした。
また、多くの個人が、デジタル食品の消費を辞めて戻るサイクルを経験していることも分かりました。
これらの結果に基づき,デジタル食品コンテンツおよびマルチメディアプラットフォームの設計上の意味を,日常的なオンラインプラットフォームインタラクションにおいて脆弱な個人を支援するために明確化する。
関連論文リスト
- NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
自己申告法はしばしば不正確であり、重大な偏見に悩まされる。
近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。
本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-05-13T14:56:55Z) - How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。
本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。
本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
論文 参考訳（メタデータ） (2024-05-12T00:16:02Z) - NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene
Dataset for Dietary Intake Estimation [68.49526750115429]
食事摂取推定のための2D食品シーンデータセットであるNutritionVerse-Realを導入する。
NutritionVerse-Realデータセットは、実生活における食品シーンのイメージを手作業で収集し、各成分の重量を測定し、各料理の食生活内容を計算することによって作成されました。
論文 参考訳（メタデータ） (2023-11-20T11:05:20Z) - NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。
最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。
我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。
また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
論文 参考訳（メタデータ） (2023-09-14T13:29:41Z) - Comfort Foods and Community Connectedness: Investigating Diet Change
during COVID-19 Using YouTube Videos on Twitter [5.761735637750927]
新型コロナウイルス(COVID-19)のパンデミック・ロックダウン(パンデミック・ロックダウン)は、何百万人もの人々の習慣を大きく変えた。
われわれは、ダイエット、運動、フィットネスに関するツイートに埋め込まれたYouTubeビデオを使って、パンデミックのロックダウンがダイエットと栄養に与える影響を調査している。
論文 参考訳（メタデータ） (2023-05-19T02:51:25Z) - NutritionVerse-3D: A 3D Food Model Dataset for Nutritional Intake
Estimation [65.47310907481042]
高齢者の4人に1人は栄養不良です。
機械学習とコンピュータビジョンは、食品の自動栄養トラッキング方法の約束を示す。
NutritionVerse-3Dは、105個の3D食品モデルの大規模な高解像度データセットである。
論文 参考訳（メタデータ） (2023-04-12T05:27:30Z) - Biased Bytes: On the Validity of Estimating Food Consumption from
Digital Traces [17.890674216192277]
ソーシャルメディア(Twitter)と食品追跡アプリケーション(MyFoodRepo)による食事行動の関連を定量化する。
例えば、パンはTwitterよりも消費食品や追跡食品の2.5倍、ケーキはTwitterの12倍の頻度である。
食べ物の種類によって、Twitterに投稿された食べ物は、消費された食品や追跡された食品と比べて、美味しく、カロリーが高く、健康が悪く、家庭で消費された可能性が低く、より複雑で、より大きいものと見なされている。
論文 参考訳（メタデータ） (2022-08-30T17:13:16Z) - Towards Building a Food Knowledge Graph for Internet of Food [66.57235827087092]
食品分類から食品分類、食品知識グラフまで、食品知識組織の進化を概観する。
食品知識グラフは、食品検索と質問回答(QA)、パーソナライズされた食事レコメンデーション、食品分析、可視化において重要な役割を果たす。
食品知識グラフの今後の方向性は、マルチモーダル食品知識グラフや食品インテリジェンスなど、いくつかの分野をカバーする。
論文 参考訳（メタデータ） (2021-07-13T06:26:53Z) - A Review of the Vision-based Approaches for Dietary Assessment [4.347952928399708]
肥満などの食生活にまつわる問題は現代社会ではますます懸念されている。
コンピュータによる食品認識は、食事摂取量を評価するための視覚に基づく自動手法を提供する。
論文 参考訳（メタデータ） (2021-06-21T06:30:06Z) - Formation of Social Ties Influences Food Choice: A Campus-Wide
Longitudinal Study [35.304562448945184]
Ecole Polytechnique Federale de Lausanne(EPFL)大学のキャンパスでは8年間に3800万件の食品購入を記録しています。
受動的に観測されたログデータから因果効果を推定する。
食品の購入頻度が食相手の食品選択の健康性に大きく影響する食品を特定した。
論文 参考訳（メタデータ） (2021-02-17T13:47:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。