Characteristics and Motivations of Consumers of Direct Purchasing Channels and the Perceived Barriers to Alternative Food Purchase: A Cross-Sectional Study in the Ecuadorian Andes
Notice bibliographique
Résumé
Modern food systems generate social inequalities in the access to healthy food, but some families maintain behaviors that provide an alternative to these systems. Agroecological consumers (ACs) and non-agroecological direct market consumers (DMCs) are key actors in alternative food systems. We assessed the characteristics of ACs and DMCs using data from a representative sample of households in Ibarra, Quito and Riobamba (n = 2914). We also deepened the exploration of motivations for adopting these practices through mini-ethnographies with families who were identified as ACs or DMCs (n = 15). We found motivations related to personal health problems, food quality (e.g., taste, freshness), and safety (e.g., avoiding pesticides) to be key. Other motivations were price and community solidarity with farmers. Barriers included inconvenience, lack of awareness, and insecurity of market location. Using Chi-square tests, we found differences between ACs and DMCs on place of residence, education, employment, health, and diet. Controlling for socioeconomic and health variables using logistic regressions, we found DMC dietary habits to be similar to the remainder of the study population, except that they were less likely to eat processed foods less frequently (adjusted odds ratio (AOR) 0.6, 95% confidence interval 0.4–0.9). In contrast, ACs were more likely than the remainder of the study population to control their salt intake (3.2, 1.9–5.2) and have greater knowledge of nutrition labels (2.8, 1.7–4.6). They were more likely to eat traditional foods frequently (1.9, 1.1–3.3), fruit and vegetables daily (1.6, 1.0–2.8), and processed foods less frequently (2.7, 1.5–4.8). Hence, these two types of alternative food provisioning practices (AC and DMC) were adopted by different types of consumers, with heterogenous motivations and food consumption practices. These findings have implications for public health initiatives aiming to scale up the nutrition and ecological potential of alternative food systems.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».