Canadian Consumers’ Purchasing Behavior of Omega-3 Products
Notice bibliographique
Résumé
The development of innovative functional food products is a major trend in today’s food industry. The growth of this industry is driven by increased consumer awareness of their own health deficiencies, increased understanding of the possible health benefits of functional foods, development in formulation technologies, a positive regulatory environment, and changing consumer demographics and lifestyles. While there has been a proliferation of omega-3 products such as milk, eggs, yogurt, and margarine in the Canadian food market, very little is known about consumers of these products. We use ACNielsen Homescan™ data combined with survey data to develop profiles of omega-3 consumers in Canada. The focus of the study is on consumers of four products: omega-3 milk, omega-3 yogurt, omega-3 margarine, and omega-3 eggs. We investigate whether there are significant differences between consumers and non-consumers of omega-3 products based on their age, income, education, and household composition. We also investigate whether a household’s use of Canada’s Food Guide and the Nutrition Facts table and consideration of the health benefits of food influences the decision to purchase omega-3 products. The results from the ordered probit model estimation show that the aging Canadian population is a major driver of omega-3 purchases. Also, the presence of children in the home increases the purchasing frequency of omega-3 yogurt and omega-3 margarine, and reading the Nutrition Facts table and considering the health benefits of food are important factors that affect omega-3 product purchases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».