MétaCan
Menu
Retour à la cohorte
Enregistrement W2160462213 · doi:10.5539/jfr.v4n3p89

Why Are Alternative Diets Such as “Low Carb High Fat” and “Super Healthy Family” So Appealing to Norwegian Food Consumers?

2015· article· en· W2160462213 sur OpenAlexvenueno aff
Annechen Bahr Bugge

Notice bibliographique

RevueJournal of Food Research · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCulinary Culture and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNorwegianConsumption (sociology)Product (mathematics)AdvertisingFood scienceDreamMarketingBusinessPsychologySociologySocial scienceBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

<p>Aspiring for health and fitness has become increasingly important for Norwegians. This is expressed in many ways. For instance there has been a significant increase in the proportion who states that they are very interested in having a healthy diet. Furthermore, three out of ten stated that they had tried diets to achieve weight reduction over the past twelve months. One consequence of this trend is a consumption field that requires a multitude of products and services. This includes everything from food and dietary products that help you realize the dream of a sound, slim, strong, smart and sexy body, to books, blogs and TV shows that guide the individual towards making the right food choices. Through media, books and product launches, consumers are continuously exposed to different theories and beliefs about what and how to eat. A typical characteristic of the diets that have gained wide acceptance over the past few years is that they are in conflict with the national guidelines for a healthy diet. Another tendency is that traditional products in the Norwegian diet such as bread, potatoes and dairy products, in particular, have been up for debate. The purpose of this article is to explore why these alternative and rebellious diets have become so appealing to today’s food consumer. Data are derived from both quantitative and qualitative materials.</p>

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,257
Score d'incertitude au seuil0,308

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,127
Tête enseignante GPT0,345
Écart entre enseignants0,217 · 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'étudeSans objet
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

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetCulinary Culture and TourismTravaux en français237 207