Fugu-MT 論文翻訳(概要): Feeding the Crave: How People with Eating Disorders Get Trapped in the Perpetual Cycle of Digital Food Content

論文の概要: Feeding the Crave: How People with Eating Disorders Get Trapped in the Perpetual Cycle of Digital Food Content

arxiv url: http://arxiv.org/abs/2311.05920v3
Date: Mon, 23 Sep 2024 05:50:41 GMT
ステータス: 処理完了
システム内更新日: 2024-11-09 09:50:02.471416
Title: Feeding the Crave: How People with Eating Disorders Get Trapped in the Perpetual Cycle of Digital Food Content
Title（参考訳）: クレーブの餌:デジタル食品の常用サイクルにおいて、摂食障害のある人がどのように引きずられるか
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つの研究を行った。本研究は、参加者が食品メディアの症状を克服するために陽性効果を期待していることを明らかにするが、実際には障害を悪化させることがしばしばある。
参考スコア（独自算出の注目度）: 4.4818145497483854
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent studies have examined how digital food content impacts viewers' dietary health. A few have found that individuals with eating disorders are particularly sensitive to digital food content, such as eating and cooking videos, which contribute to disordered eating behaviors. However, there is a lack of comprehensive studies that investigate how these individuals interact with various digital food content. To fill this gap, 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 participants anticipate positive effects from food media to overcome their condition, but in practice, it often exacerbates their disorder. We also discovered that many participants 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 vulnerable individuals.
Abstract（参考訳）: 近年の研究では、デジタル食品が視聴者の食事の健康にどのように影響するかが研究されている。摂食障害のある人は、特に食事や調理などのデジタル食品の内容に敏感であり、乱食行動に寄与する人は少ない。しかし、これらの個人が様々なデジタル食品コンテンツとどのように相互作用するかを研究する包括的な研究は乏しい。このギャップを埋めるために, 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(N=23, 22)を行った。本研究は、参加者が食品メディアの症状を克服するために陽性効果を期待していることを明らかにするが、実際には障害を悪化させることがしばしばある。また,多くの参加者が,デジタル食品の消費を中止し,再開するサイクルを経験していることが判明した。これらの知見に基づき、脆弱な個人を支援するために、デジタル食品コンテンツとマルチメディアプラットフォームの設計上の意味を明確に述べる。

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。