MétaCan
Menu
Retour à la cohorte
Enregistrement W1537612117 · doi:10.1111/ijcs.12051

Immigration and <scp>C</scp>hinese food preferences in the <scp>G</scp>reater <scp>T</scp>oronto <scp>A</scp>rea

2013· article· en· W1537612117 sur OpenAlexafffund
Bamidele Adekunle, Glen C. Filson, Sridharan Sethuratnam

Notice bibliographique

RevueInternational Journal of Consumer Studies · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensUniversity of GuelphToronto Metropolitan University
Organismes subventionnairesOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésAcculturationEthnic groupImmigrationConsumption (sociology)Convenience foodFood scienceBusinessSustainabilityAgricultural economicsAgricultural scienceMarketingGeographyEconomicsChemistrySociologyEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents important socio‐economic characteristics of C hinese C anadians in the G reater T oronto A rea ( GTA ) and the impact of these characteristics and acculturation on their expenditure on and consumption of ethnic vegetables. These consumers purchase ethnic vegetables based on attributes such as quality, traceable production, versatility and language. The factors that predict expenditure on ethnic vegetables among C hinese C anadians are as follows: the percentage spent on food out of total monthly income, years spent in C anada and acculturation. The estimated demand per month for C hinese ethnic vegetables in the GTA is $ CAD 21 million. Meeting this demand with ever more locally produced vegetables will reduce ‘food miles’, enhance niche market production and facilitate greater agricultural sustainability in O ntario.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,408
Score d'incertitude au seuil0,795

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,244
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Consumer StudiesMême sujetOrganic Food and AgricultureTravaux en français237 207