“I rarely read the label”: Factors that Influence Thai Consumer Responses to Nutrition Labels
Notice bibliographique
Résumé
BACKGROUND: This qualitative study employed the Knowledge-Attitude-Behaviour (KAB) model and Health Belief Model (HBM) to investigate factors influencing Thai consumer decision making about use of nutrition labels. Labels include both Nutrition Information Panels (1998-) and Guideline Daily Amounts labels (2011-). METHOD: In-depth interviews were conducted with 34 participants representing two socio-demographic extremes in Thailand--"urban Bangkok" (university educated consumers) and "provincial Ranong" (non-university educated consumers). An integrated KAB-HBM model was used to devise in-depth interviews for a qualitative study using 20 open-ended questions and samples of food package labels. Additional questions arose from the interviews and they lasted 30-45 minutes and were video recorded. The analysis identified recurring themes using Atlas.ti software. RESULTS: Most participants (n=25) were aware of nutrition labels but a much smaller number (n=10) used and derived any benefit from them. Nutrition label users were classified into 4 groups: A) competent user; B) confused user; C) aware non-user; D) unaware non-user. Better educated participants were better at understanding nutrition labels but not more likely to use labels. Belief that nutrition influences health increased likelihood of using nutrition labels to make decisions about food. Being well-educated and motivated by health concerns increased likelihood of attention to nutrition labels. CONCLUSION: Results are discussed with a view to increasing the use of nutrition labels by Thai consumers. Our findings, drawing on a combination of the KAB and HBM models, can contribute to strategies motivating consumers to use nutrition labels and can provide useful insights for developing promotional strategies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».