MétaCan
Menu
Retour à la cohorte
Enregistrement W2063518431 · doi:10.3917/riges.344.0012

Comprendre la consommation des aliments réconfortants pour mieux la gérer

2009· article· fr· W2063518431 sur OpenAlexaffvenue
JoAnne Labrecque, Aziza Mahil, Marie Marquis

Notice bibliographique

RevueGestion · 2009
Typearticle
Languefr
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversité de MontréalUniversité du Québec à MontréalHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Résumé La diversité des aliments et l’intensité de la sollicitation de la part des acteurs de l’industrie agroalimentaire obligent les consommateurs à s’autodiscipliner quand vient le temps de faire leurs choix alimentaires s’ils veulent éviter les excès et leurs conséquences déplaisantes. Parmi l’éventail d’aliments ou de produits qui risquent de pousser à la surconsommation, on trouve les aliments réconfortants. Ces aliments sont ceux qu’une personne associe au plaisir et à la satisfaction, et ils ont souvent une forte teneur en gras, en sel et en sucre, tels les croustilles, le chocolat et la crème glacée. Cet article présente les résultats d’une étude sur la consommation des aliments réconfortants et les analyse à la lumière des recherches peu nombreuses qui ont été menées sur le sujet. Il permet de mieux comprendre la consommation des aliments réconfortants et de dégager des implications et des conseils afin de mieux la gérer plutôt que de la subir! Secteur : fabrication, industrie agroalimentaire Fonction : marketing, gestion des ressources humaines

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,838

Scores Codex et Gemma par catégorie

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

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 Opus0,031
Tête enseignante GPT0,306
Écart entre enseignants0,275 · 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'étudeAutre devis
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

Citations1
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGestionMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207