MétaCan
Menu
Retour à la cohorte
Enregistrement W2177753775 · doi:10.6000/1929-5634.2015.04.03.3

Understanding Consumers’ Attitudes Toward Fruits and Vegetable Attributes: A Multi-Method Approach

2015· article· en· W2177753775 sur OpenAlexvenueno aff
Terrence Thomas, Cihat Günden, Bülent Mìran

Notice bibliographique

RevueJournal of Nutritional Therapeutics · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Food and AgricultureU.S. Department of Agriculture
Mots-clésMarketingPsychologyBusinessBiotechnologyComputer scienceAdvertisingBiology

Résumé

récupéré en direct d'OpenAlex

Background: Results from previous work indicated that when consumers make purchasing decisions, they pay more attention to freshness, taste and hygiene attributes of fruits and vegetables than price and nutritional value, when these attributes are considered individually. Methods: To shed light on the underlying factors that shape the pattern of reported preferences, researchers used five doubly censored Tobit models to analyze data generated from a fuzzy pairwise comparison model (FPC) to explain the pattern of reported preferences. In the model, nutritive value, hygiene, taste, price and freshness were separately regressed on a number of demographic and personal characteristics variables. For this study, a random sample was drawn proportionate to population size by county in Georgia, North Carolina and South Carolina. Data were collected from 412 respondents. Results: Higher levels of education and income did not affect how consumers rate the nutritional value of fruits and vegetables. This relative lack of difference among consumers as classified in the model, along with results that showed consumers giving a higher preference rating to hygiene, taste and price offer support for the notion that the nutritional value attribute plays a subsidiary role in consumers purchasing decisions. Conclusion: The multi-method approach used in this study provides information on the demographic characteristics of consumers that influence attitudes and behaviors toward fruit and vegetable attributes. Nutrition educators and marketers will be able to use this knowledge about consumers’ attitudes and behaviors to customize programs that more accurately address consumers’ preferences.

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)0,021
score de la tête « metaresearch » (Gemma)0,033
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,365
Tête enseignante GPT0,320
Écart entre enseignants0,046 · 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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nutritional TherapeuticsMême sujetOrganic Food and AgricultureTravaux en français237 207