[论文解读] #FoodPorn: Obesity Patterns in Culinary Interactions

Yelena Mejova, Hamed Haddadi+2 more|arXiv (Cornell University)|Mar 5, 2015

Culinary Culture and TourismAgricultural and Biological Sciences参考文献 15被引用 17

一句话总结

本研究分析了来自Instagram和Foursquare的164,753宗美国餐厅访问数据，以探讨食物环境、饮食认知与社交媒体参与度之间的关联。研究发现，使用Foursquare数据时，快餐店普及率与县层面肥胖率之间的相关系数高达0.424，高于官方数据所显示的相关性；在低肥胖率地区，本地餐厅获得的社交媒体关注更多；尽管用户将#foodporn与更健康的菜肴联系起来，但社交媒体上的社会认可度却明显更倾向于不健康、高糖分的食物，如甜甜圈。

ABSTRACT

We present a large-scale analysis of Instagram pictures taken at 164,753 restaurants by millions of users. Motivated by the obesity epidemic in the United States, our aim is three-fold: (i) to assess the relationship between fast food and chain restaurants and obesity, (ii) to better understand people's thoughts on and perceptions of their daily dining experiences, and (iii) to reveal the nature of social reinforcement and approval in the context of dietary health on social media. When we correlate the prominence of fast food restaurants in US counties with obesity, we find the Foursquare data to show a greater correlation at 0.424 than official survey data from the County Health Rankings would show. Our analysis further reveals a relationship between small businesses and local foods with better dietary health, with such restaurants getting more attention in areas of lower obesity. However, even in such areas, social approval favors the unhealthy foods high in sugar, with donut shops producing the most liked photos. Thus, the dietary landscape our study reveals is a complex ecosystem, with fast food playing a role alongside social interactions and personal perceptions, which often may be at odds.

研究动机与目标

• 调查美国各县快餐店与连锁餐厅与肥胖率之间的关系。
• 通过社交媒体内容理解个人对其用餐体验的认知与情感关联。
• 分析社交媒体上与食物相关帖子的社交强化模式（如点赞与评论），以评估社会认可度对饮食行为的影响。
• 将社交媒体数据与官方健康统计数据进行比较，评估在线行为数据对肥胖趋势的预测能力。

提出的方法

• 收集并分析了全美3,143个县中164,753家美国餐厅的Instagram和Foursquare数据。
• 将各县快餐店与连锁餐厅的占比与《县健康排名》（County Health Rankings, CHR）及Foursquare数据中的官方肥胖率进行相关性分析。
• 使用标签频率（如#smallbiz、#eatlocal、#foodporn）作为用户认知与饮食偏好的代理指标。
• 通过Instagram帖子的点赞数与评论数衡量社交认可度，以评估平台层面对不同食物类型的强化程度。
• 构建线性回归模型，利用餐厅类型、社交认可度与标签特征预测县肥胖率，但R²仅为0.013。
• 通过用户标签与图像元数据的内容分析，推断食物类型、健康认知与社交行为。

实验结果

研究问题

• RQ1 美国各县快餐店与连锁餐厅的普及率与本地肥胖率之间的相关性如何？与官方调查数据相比有何差异？
• RQ2 用户如何感知并标记其用餐体验，特别是与健康与不健康食物选择的关系？
• RQ3 Instagram上的社交认可度（以点赞与评论衡量）在多大程度上与所分享食物的健康程度相关？
• RQ4 在不同肥胖水平的地区，本地餐厅与连锁餐厅在用户参与度与社交媒体可见度方面有何差异？

主要发现

• 使用Foursquare数据时，美国各县快餐店普及率与肥胖率之间的相关系数为0.424，高于官方《县健康排名》数据所显示的相关性。
• 在低肥胖率县，用户使用#smallbiz与#eatlocal等标签的频率显著高于高肥胖率县，表明健康地区对本地食品的参与度更高。
• 尽管用户认为快餐不健康，但他们在快餐店拍摄的照片中，使用不健康相关标签的频率是其他餐厅的两倍。
• Instagram上的社交认可度在甜甜圈店、cupcake店与汉堡店中最高，这些食物均富含糖分与脂肪，表明平台层面强烈强化了不健康食物选择。
• 仅使用图片元数据（餐厅类型、点赞数、评论数、标签）构建的线性回归模型R²仅为0.013，表明此类数据本身不足以在缺乏更深层人口统计背景的情况下准确预测县层面的肥胖率。
• 本地餐厅获得的用户互动（点赞、评论、独立用户数）多于连锁餐厅，且在低肥胖率地区更常与健康意识强的标签相关联。