Predictors of Food Skills in University Students
Notice bibliographique
Résumé
Purpose: To determine predictors of food skills in university students, specifically, the relative effects of a food and nutrition (FN) course; sex, age, and body mass index; food-related behaviours in the parental home; and food-related behaviours in university. Methods: Undergraduate students (n = 30 310) at Western University were invited to complete an online cross-sectional survey that assessed 7 components of food skills, from mechanical (e.g., peeling/chopping) to conceptual (e.g., weekly meal planning). The primary outcome measure was Total Food Skills Score (TFSS). All variables that were statistically associated with TFSS (P < 0.05) were analyzed hierarchically in 4 regression models. Results: The sample was comprised of 3354 students living independently for 2.6 ± 1.1 years. Students who had taken an FN course had higher food skills than those who had not (B = 30.72; P < 0.001), and this relationship remained significant through all subsequent models. The strongest predictor of food skills was meal preparation as a teen (B = 25.66; P < 0.001). Frequency of using a grocery list, packing a lunch, and time spent preparing meals on weekends were positively associated with food skills (P < 0.001), whereas frequency of buying pre-prepared meals was negatively associated with food skills (P < 0.001). Conclusions: Food skill development should occur well before young adults begin living independently.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».