論文の概要: Watching What We Eat: Information Quality and Body Image in Diet-Related YouTube Videos
- arxiv url: http://arxiv.org/abs/2609.28114v1
- Date: Wed, 23 Sep 2026 13:44:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:18.049009
- Title: Watching What We Eat: Information Quality and Body Image in Diet-Related YouTube Videos
- Title（参考訳）: 食事で食べるもの: 食事関連YouTubeビデオの質と体像
- Abstract要約: この研究は、ダイエットと体重減少に関する3129のYouTubeビデオに応用された混合メソッド分析を用いている。
個人のストーリーテリングやマインドセットやモチベーションに関するビデオは、高品質なコンテンツに結びついていることがわかりました。
体重測定と負の身体像の身体関連言及は、視聴率の増加と関連している。
- 参考スコア（独自算出の注目度）: 0.8538830579425144
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The widespread use of social media, particularly image- and video-based platforms, has turned them into key sources of both normative and informational content related to health and diet. This may contribute to the development of disordered eating behaviors or, potentially, eating disorders. This study uses mixed-methods analysis applied to 3129 YouTube videos about diet and weight loss in order to quantify the level of risk of low-quality information and heightened focus on the body image. We adapt three quality measurement frameworks from the literature -- PRHISM, HONcode and SMEC -- to the online video context, perform manual annotation of a sample of the data, and design an LLM content characterization pipeline to score the videos on the quality of their content and the focus on the human body. Surprisingly, we find that videos around personal storytelling and mindset & motivation are associated with higher-quality content, whereas supplement reviews (arguably more medically sensitive ones) are not. Further, the body-related mentions of weight measurement and negative body image are associated with an increased viewership, whereas the mentions of positive body image are associated with an increased engagement rate in terms of likes and comments, but not viewership. Worryingly, we find a cluster of videos categorized as "music" which promote the dietary supplements Mitolyn and the injectable weight loss drug Mounjaro. As video-based platforms grow in popularity, particularly among younger audiences, studies such as the one presented here are essential for developing empirically grounded tools to enhance the detection of harmful content and inform more effective moderation practices.
- Abstract（参考訳）: ソーシャルメディア、特に画像およびビデオベースのプラットフォームの普及は、これらを、健康とダイエットに関連する規範的および情報的コンテンツの両方の重要な情報源にしている。
これは、障害のある摂食行動や、おそらく摂食障害の発達に寄与する。
本研究は、低品質情報のリスクレベルを定量化し、身体像に焦点を合わせるために、ダイエットと減量に関する3129のYouTubeビデオに応用された混合メソッド分析を用いている。
文献から、PRHISM、HONcode、SMECの3つの品質測定フレームワークをオンラインビデオコンテキストに適用し、サンプルデータの手動アノテーションを実行し、LLMコンテンツ評価パイプラインを設計し、それらのコンテンツの品質と人体に焦点を当てたビデオをスコアリングする。
意外なことに、個人のストーリーテリングやマインドセットやモチベーションに関するビデオは高品質なコンテンツと関連しているのに対して、サプリメントレビュー(おそらく医療に敏感なビデオ)はそうではない。
さらに、体重測定と負の身体像の身体関連言及は、視聴率の増加と関連しているのに対し、肯定的な身体像の言及は、好意やコメントの面でエンゲージメント率の上昇に関連しているが、視聴率の上昇には関連しない。
さらに悪いことに、ミトリンと注射可能な減量剤であるムンジャロの栄養補助を促進させる「音楽」に分類される一連のビデオが見つかった。
ビデオベースのプラットフォームの人気が高まっているなか、特に若者の間では、ここで紹介されるような研究は、有害なコンテンツの検出を強化し、より効果的なモデレーションの実践を伝えるために、経験的に根ざしたツールを開発する上で不可欠である。
関連論文リスト
- Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion [69.84988999191343]
我々はファストフード(FastFood)について紹介する。ファストフード(FastFood)は、908のファストフードカテゴリーに84,446のイメージを持つデータセットで、成分や栄養のアノテーションが特徴である。
栄養推定の精度を高めるために,新しいモデル非依存型ビジュアル・イングレディエント・フィーチャー・フュージョン (VIF$2$) 法を提案する。
論文 参考訳（メタデータ） (2025-05-13T17:01:21Z) - Reddit's Appetite: Predicting User Engagement with Nutritional Content [0.051205673783866146]
Reddit上での食品関連投稿における栄養内容がユーザエンゲージメントに与える影響について検討した。
この結果は、健康な食事習慣を奨励することを目的とした、より活発なオンラインイニシアチブの設計に価値ある洞察を与える。
論文 参考訳（メタデータ） (2025-02-11T08:54:53Z) - Supporters and Skeptics: LLM-based Analysis of Engagement with Mental Health (Mis)Information Content on Video-sharing Platforms [19.510446994785667]
米国では5人に1人が精神疾患で暮らしている。
ショートフォームビデオコンテンツは、メンタルヘルスとリソースを広めるための重要なコンジットとして機能するように成長してきた。
論文 参考訳（メタデータ） (2024-07-02T20:51:06Z) - 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) - Impact Ambivalence: How People with Eating Disorders Get Trapped in the Perpetual Cycle of Digital Food Content Engagement [18.42701050143996]
摂食障害のある個人を対象に,デジタル食品を消費する動機や実践を理解するために研究を行った。
障害と回復支援のモチベーションの両面で,デジタル食品コンテンツに携わる参加者が相反する結果をもたらすことが明らかとなった。
論文 参考訳（メタデータ） (2023-11-10T08:09:42Z) - 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) - How Would The Viewer Feel? Estimating Wellbeing From Video Scenarios [73.24092762346095]
情緒応答と主観的幸福感に注釈を付けた6万本以上のビデオを備えた大規模データセットを2つ導入した。
Video Cognitive Empathyデータセットには、微粒な感情応答の分布のためのアノテーションが含まれており、モデルが感情状態の詳細な理解を得ることができる。
Video to Valenceデータセットには、ビデオ間の相対的な快適性のアノテーションが含まれている。
論文 参考訳（メタデータ） (2022-10-18T17:58:25Z) - Towards the Creation of a Nutrition and Food Group Based Image Database [58.429385707376554]
栄養・食品群に基づく画像データベースを構築するための枠組みを提案する。
米国農務省食品栄養データベース(FNDDS)における食品群に基づく食品コードリンクプロトコルを設計する。
提案手法は16,114個の食品データセットを含む栄養・食品群に基づく画像データベースを構築するために用いられる。
論文 参考訳（メタデータ） (2022-06-05T02:41:44Z)
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。