MétaCan
Menu
Retour à la cohorte
Enregistrement W3121289443

Food Authenticity, Technology and Consumer Acceptance

2012· article· en· W3121289443 sur OpenAlexaboutno aff
Jill E. Hobbs, Jillian McDonald, Jing Zhang

Notice bibliographique

Revue2012 Annual Meeting, August 12-14, 2012, Seattle, Washington · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Supply Chain Traceability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraceabilityProduct (mathematics)MarketingBusinessLogitComputer scienceMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Traceability and authenticity issues have gained increasing prominence in food markets and create both opportunities and challenges for the food industry in providing credible information to consumers. Internal molecular tagging is an emerging technology with the potential to deliver traceability and authenticity assurances. A key question for the food industry in adopting new technologies is consumer acceptance. This paper explores consumer attitudes toward traceability and authenticity and the role of information in affecting consumer acceptance of new technologies, using molecular tagging as an example. Data were gathered from an online survey conducted in Canada in December 2010. To determine whether product-specific effects exist, two versions of the survey were used, focusing on salami and on apple juice. In a discrete choice experiment respondents were presented with choice sets describing an apple juice (salami) product containing different combinations of four attributes: traceability technology (molecular tag Vs RFID), price, brand, country of origin. Of particular interest was the effect of information on consumers’ choices. Therefore, respondents were randomly assigned to one of four information treatments: positive information on molecular tagging technology or further information on the issue of food authenticity and adulteration, or a combination of both. The control group was provided with neutral information on the technology and no additional information. Results from Conditional Logit and Random Parameter Logit models reveal that initial consumer acceptance of the technology is low, however, information matters. Highlighting the problems of adulteration reduces resistance more effectively than providing positive technology information, and the effects appear to be product specific across a juice product versus a processed meat product. Other proxy signals (country of origin, brand), resonate strongly with consumers and tended to have a larger impact on willingness-to-pay.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,233
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2012 Annual Meeting, August 12-14, 2012, Seattle, WashingtonMême sujetFood Supply Chain TraceabilityTravaux en français237 207