Cross-country comparison of strategies for building consumer trust in food
Notice bibliographique
Résumé
Consumer trust in the modern food system is essential given its complexity. Contexts vary across countries with regard to food incidents, regulation and systems. It is therefore of interest to compare how key actors in different countries might approach (re)building consumer trust in the food system; and particularly relevant to understanding how food systems in different regions might learn from one another. The purpose of this paper is to explore differences between strategies for (re)building trust in food systems, as identified in two separate empirical studies, one conducted in Australia, New Zealand and the UK (Study 1) and another on the Island of Ireland (Study 2). Interviews were conducted with media, food industry and food regulatory actors across the two studies (n = 105 Study 1; n = 50 Study 2). Data were coded into strategy statements, strategies describing actions to (re)build consumer trust. Strategy statements were compared between Studies 1 and 2 and similarities and differences were noted. The strategy statements identified in Study 1 to (re)build consumer trust in the food system were shown to be applicable in Study 2, however, there were notable differences in the contextual factors that shaped the means by which strategies were implemented. As such, the transfer of such approaches across regions is not an appropriate means to addressing breaches in consumer trust. Notwithstanding, our data suggest that there is still capacity to learn between countries when considering strategies for (re)building trust in the food system but caution must be exercised in the transfer of approaches.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».