Plant-based foods in Canada: information, trust and closing the commercialization gap
Notice bibliographique
Résumé
Purpose Despite the growing awareness of links between meat consumption and human, animal and environmental health, consumption rates of protein rich plant-based foods (PBFs) in Canada remain relatively low. The purpose of this paper is to better understand how information sources and trust relate to PBFs in Canadians’ diets, and how these variables may factor into closing the commercialization gap for PBFs in Canada. Design/methodology/approach A geographically representative sample of Canadians ( n =410) participated in a 20-minute, online survey. The survey consists of 24 questions covering demographic characteristics, motivations behind current and future food choices, frequency of current PBF consumption, sources of information about PBFs and trust levels of these sources. Findings Most Canadians get information about PBFs from labels, the internet and family and friends, but only half trust these sources to provide accurate information. Sources of information (e.g. licensed health care professionals) that rank high in trust are only consulted by a minority of respondents. Several information sources (e.g. family and friends) are associated with consumers’ willingness to try new PBFs, whereas other sources (e.g. labels) are associated with Canadians being unlikely to try new PBFs. Originality/value Understanding the patterns of where Canadians access information about PBFs and what sources of information are trusted can help to strategically place information about PBF qualities among select information sources and to remove some of the information barriers contributing to the PBF commercialization gap.
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 | 0,001 |
| 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 ».