MétaCan
Menu
Retour à la cohorte
Enregistrement W2801621495 · doi:10.1080/15378020.2018.1465771

Local and organic food on wheels: exploring the use of local and organic food in the food truck industry

2018· article· en· W2801621495 sur OpenAlexaffabout
Mark Robert Holmes, Rachel Dodds, George Deen, Anna Lubana, Jessica Munson, Sarah Quigley

Notice bibliographique

RevueJournal of Foodservice Business Research · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensToronto Metropolitan UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésTruckBusinessMarketingFood industryFood wasteExploratory researchFood qualityFresh foodTasteFood packagingPreferenceFood systemsFood preferenceQuality (philosophy)Agricultural economicsFood scienceEconomicsFood securityEngineeringGeographySociologyWaste managementAgriculture

Résumé

récupéré en direct d'OpenAlex

An exploratory study approach was used in this research to examine the use of local and organic food in Toronto’s food truck industry, the rationale for its use, and the challenges that food truck owners face in sourcing it. Results showed that all-but-one of the food trucks sourced local or organic food for their menu and were motivated by fresh taste/quality, social responsibility and customer preference. While there were challenges with utilizing organic/local food due to seasonality and cost, food trucks found they can derive benefits by way of increased patronage, menu differentiation, and competitiveness.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,614

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,167
Tête enseignante GPT0,286
Écart entre enseignants0,120 · 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'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

Citations22
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Foodservice Business ResearchMême sujetOrganic Food and AgricultureTravaux en français237 207