Preferences for vegetables among university foodservice users
Notice bibliographique
Résumé
Purpose The purpose of this paper is to assess the meal selection and potential vegetable substitution preferences in a sample of university students, to inform design of planned nudge interventions for increasing vegetable intake in on-campus cafeterias. The setting was a public university in southern Ontario, Canada. Design/methodology/approach An online survey was disseminated via multiple channels, and 686 undergraduate students responded. The frequency of purchasing specific meals on campus was queried first to set context, and then preferences for meal types (wraps, pasta, etc.), followed by preferences for vegetables to be added within meal types. Findings For portable meal options such as sandwiches, pitas and wraps, preferred vegetables for modification were cucumbers, spinach, tomatoes and bell peppers, and having vegetable toppings and raw cauliflower or broccoli as sides with pizza. For burgers or hotdogs, preferred sides were garden salad, cucumber slices and carrot sticks. Broccoli was the most preferred vegetable addition and substitution for sit-down meals, such as meals of chicken, beef, pork or fish with a side of potatoes or rice. Practical implications The findings can be used to design nudge interventions in university cafeterias by incorporating preferred vegetables into composite meals frequently purchased by students. Originality/value Few nudge studies to date have incorporated more vegetables into existing composite meals and offering them as the new default. Stated preferences are a reasonable starting point for the design of such interventions.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,006 | 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 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 ».