Developing and Testing a Novel Intervention to Reduce Household Food Waste
Notice bibliographique
Résumé
The amount of food wasted is a topic of societal and academic interest. As academic research in this area is nascent, there are significant knowledge gaps, which this dissertation seeks to narrow, pertaining to: (1) the measurement of food waste; (2) the human behaviors that lead to wasting of food; and (3) the development of efficacious food waste reduction interventions.\nA systematic literature review of 55 food waste estimates showed that on average 114.3 kg/capita/year is wasted from consumption (i.e., household) and 198.9 kg/capita/year across the entire food supply chain. There is considerable uncertainty with this data because of the different food waste measurements methodologies employed.\nHousehold waste composition study data (2012-2015) from 9 Ontario municipalities, that used the same direct measurement methodology and included a single “food waste” category, were aggregated and analyzed to develop estimates of food waste in the garbage stream. This methodology, which showed households disposed 2.40 kg/week of food waste in the garbage, was used as the basis of a bespoke household food waste measurement methodology.\nTo better understand food wasting behavior and facilitate the development of an effective intervention the theory of planned behavior (TPB) was used to inform the development of a survey, which was administered to households in London, Ontario, Canada. Households (n=1,263) threw out avoidable food 4.8 times/week and perceived behavioral control (p\nA “Reduce Food Waste, Save Money” household intervention, which combined elements of behavioral economics (nudging the desire to reduce monetary loss) and the TPB (strengthening perceived behavioral control), was developed, tested and assessed in a randomized control trial. Treatment total household food waste decreased by 31% and this was significantly greater (p=0.02) than for control households. Key determinants of avoidable food waste reduction included personal attitudes, perceived behavioral control, the number of people in a household and the amount of garbage set out.\nThis research can contribute directly to food waste reduction policy in national, provincial, and municipal contexts.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».