MétaCan
Menu
Retour à la cohorte
Enregistrement W2625219201 · doi:10.15353/cfs-rcea.v4i1.191

Organic vs. Local: Comparing individualist and collectivist motivations for “ethical” food consumption

2017· article· en· W2625219201 sur OpenAlexaffvenueabout
Shyon Baumann, Athena Engman, Emily Huddart Kennedy, Josée Johnston

Notice bibliographique

RevueCanadian Food Studies / La Revue canadienne des études sur l alimentation · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCollectivismIndividualismConsumption (sociology)Framing (construction)TasteSocial psychologyPsychologyFood consumptionMarketingSociologyBusinessPolitical scienceEconomicsSocial scienceGeographyAgricultural economics

Résumé

récupéré en direct d'OpenAlex

We extend prior research on “ethical” food consumption by examining how motivations can vary across demographic groups and across kinds of ethical foods simultaneously. Based on a survey of food shoppers in Toronto, we find that parents with children under the age of 5 are most likely to report intention to purchase organic foods and to be primarily motivated by health and taste concerns. In contrast, intention to purchase local food is motivated by collectivist concerns – the environment and supporting the local economy – and is associated with educated, white consumers. In addition to highlighting this distinction in motivations for organic vs. local food consumption, we also argue that the predominant “individualist” vs. “collectivist” framing in the scholarly literature should be reformulated to accommodate an intermediate motivation. Organic food consumption is often motivated by a desire to consume for others (children) in ways that are neither straightforwardly individualist nor collectivist, but rather exemplifies a caring motivation that is intermediate between the two.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,100
Score d'incertitude au seuil0,199

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,004
Communication savante0,0020,001
Science ouverte0,0010,002
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 Opus0,071
Tête enseignante GPT0,252
Écart entre enseignants0,180 · 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

Citations16
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Food Studies / La Revue canadienne des études sur l alimentationMême sujetOrganic Food and AgricultureTravaux en français237 207