Exploring Home-use Test to Assess Urban Consumers’ Acceptance and Likelihood to Purchase Naturally Fortified Instant Whole Meal Sorghum-maize Flour Blends in Eldoret, Kenya
Notice bibliographique
Résumé
Fortification of staple foods has the potential to alleviate micronutrient and protein energy malnutrition in sub Saharan Africa. However, natural food fortification often alters sensory attributes such as flavour, aroma, appearance, texture and other features in ways that may affect target consumer overall acceptance and willingness to purchase. This study examined urban consumers’ acceptance and likelihood to purchase wholemeal instant flours that were fortified using plant based sources. A home-use test (HUT) sensory experiment was conducted in Eldoret, Kenya among 154 urban dwellers in the middle and high level income group living in three gated estates. 5 different flour composites using sorghum, maize, baobab, orange fleshed sweet potato (OFSP) and grain amaranth were used to make both thin (uji) and thick (ugali) porridges. The results showed that urban consumers could distinguish stiff porridge (ugali) and thin porridge (uji) made from the 5 flour varieties. They preferred uji, expressed by higher mean general acceptability scores made from all the flour varieties (M=4.15-M=3.83) to ugali (M=3.50-M=3.17), for appearance, aroma, texture in hand and mouth, significant at p < 0.05. Mothers’ and childrens’ overall acceptance ratings for both sets of products did not differ, showing the ability of mothers to influence a child’s overall acceptance of a product. Further, more than 80% consumers were likely to purchase and use the instant flour. Pearson correlation showed significant positive correlations (*P<.05; & **P<.01), for product fit for all family, with nutritional and health benefits, and product that is introduced by a close friend as the main factors driving their likelihood of purchase. We conclude that HUT is effective for assessing consumer acceptance as far as product sensory characteristics and consumer adoption of a new product, and can be used by industry before market penetration.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,003 | 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 ».