Bringing sustainable seafood back to the table: exploring chefs’ knowledge, attitudes and practices in Peru
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Conservation organizations promoting sustainable seafood have had greater success when chefs are empowered as agents of change in favour of sustainable seafood. Peru is experiencing a gastronomic revolution with seafood at its core, and Peruvian top chefs are being approached by conservation organizations to become environmental advocates. Within this context we characterize the factors that influence chefs’ behaviours regarding sustainable seafood. A total of 52 Peruvian top chefs were surveyed using the Knowledge, Attitudes and Practices Framework, complemented by a focus group with a subset of the surveyed population. Our results suggest that, regardless of their age or academic background, chefs are aware of the negative consequences that human activities have on the ocean and believe that restaurants have an obligation to become part of the solution by promoting the use of sustainable seafood. Nonetheless, three factors limit chefs’ understanding of key concepts and prevent them from fully internalizing the environmental consequences of their actions in restaurants: (1) sustainability is a new topic for them, particularly for older chefs; (2) the fish species commonly used at restaurants are poorly regulated, and (3) chefs are risk averse to actions that could result in profit loss. Additionally, the structure of the seafood supply chain further limits chefs’ capacity to act sustainably, even if they are aware of the need to change their behaviour. Recommendations are provided for future conservation campaigns advocating use of sustainable seafood, some of which have now been implemented.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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