有偏字节：从数字痕迹估计食物消费的有效性

鉴于在人群尺度上测量食物消费是一项具有挑战性的任务，研究者已开始探索将数字痕迹（例如来自社交媒体或食物追踪应用）作为潜在代理。然而，数字痕迹在多大程度上反映真实食物消费仍不清楚。本研究旨在通过量化通过社交媒体（Twitter）与食物追踪应用（MyFoodRepo）所捕获的饮食行为之间的联系来弥补这一差距。我们聚焦瑞士的案例，通过设计并部署一个新颖的众包框架来估计在营养属性与外观方面的偏差，对比两个平台收集的食物图像。我们发现社交媒体与食物追踪中的食物类型分布存在分歧；例如，在被消费并追踪的食物中面包的频率是 Twitter 上的 2.5 倍，而蛋糕在 Twitter 上的频率是 12 倍。在控制不同食物类型分布后，我们对比给定类型的被消费并追踪食物与 Twitter 上分享的食物。跨食物类型来看，与消费并追踪的食物相比，Twitter 上发布的食物被认为更美味、热量更高、更不健康、更不可能在家消费、更复杂且份量更大。两个平台测量的食物消费之间存在分歧这一事实意味着，至少其中一个并非瑞士总体人群真实食物消费的忠实表征。因此，研究者应保持警觉，并在将数字痕迹用作一般人群真实食物消费的代理之前确立有效性证据。我们最后讨论了这些偏差的潜在来源及其影响，概述了有效性的缺陷与威胁，并提出了克服它们的可行方法。