MétaCan
Menu
Retour à la cohorte
Enregistrement W2097512556 · doi:10.1111/j.1744-7976.2005.04004.x

Labelling Genetically Modified Food: Heterogeneous Consumer Preferences and the Value of Information

2005· article· en· W2097512556 sur OpenAlexafffundvenue
Wuyang Hu, Michele M. Veeman, Wiktor Adamowicz

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensAgriculture Food and Rural DevelopmentUniversity of Alberta
Organismes subventionnairesGenome PrairieGenome Canada
Mots-clésLabellingContext (archaeology)Food labellingValue (mathematics)Genetically modified organismBusinessGenetically modified foodFood productsFood labelingMarketingEconomicsPublic economicsFood scienceBiologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

One facet of public debate associated with genetically modified (GM) food focuses on labelling policy for products derived from GM processes. This paper reports on the analysis of effects on consumers' choices of pre‐packaged sliced bread under different GM food labelling policies. Substantial heterogeneity is found to exist among consumers' tastes for various bread attributes, including the presence/absence of GM ingredients in bread products. A simulation‐based bias‐adjusted measure is applied to estimate the value of information, as opposed to the value of the presence or absence of GM ingredients, revealed to consumers by different labelling procedures for the GM attribute. The information that is provided in a mandatory labelling context is considerably more valued by consumers than the information provided in a voluntary labelling context. In a final section, estimated consumer benefits from labelling policies are expressed in terms of average market prices for bread products, providing a measure of benefits against which potential cost increases that may be associated with labelling policies may be compared in the context of any future benefit–cost analysis of GM labelling.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,995
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,045
Tête enseignante GPT0,153
Écart entre enseignants0,108 · 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 source (Gemma direct ou Codex distillé), 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

Citations145
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetEconomic and Environmental ValuationTravaux en français237 207