Consumer intentions to buy nutrient-rich precooked bean snacks: Does sensory evaluation matter?
Notice bibliographique
Résumé
Precooked bean products have the potential of bridging the common bean demand and consumption gap in Kenya. However, sensory evaluation of novel precooked processed products has been inadequate in determining acceptability. This study assessed the sensory evaluation of precooked bean snacks by 269 rural consumers in Machakos County of Kenya. Descriptive results indicated that less than one-quarter (22%) of the consumers were aware of the precooked bean products. The low awareness is a disconnect from the expectations that farming households were probably going to be aware of processed bean products because of their participation in bean value chain. Sensory evaluation showed that 75% of the consumers evaluated the freshness of the bean snacks positively, with about 90% and 63% of them positively assessing the taste of the precooked bean snacks branded Keroma Delicious and Keroma Fruity, respectively. The taste evaluation of Keroma Fruity brand significantly differed depending on age and level of education of the consumer. Similarly,the taste of Keroma Delicious brand also significantly differed by age and educational attainment of consumers. Furthermore, while consumers liked the taste parameters of the products, less than half of them liked the beany flavour of the two products. Results from the binary logit regression model indicated that freshness, sourness, and flavour positively and significantly predicted the probability of future purchases of Keroma Fruity bean snack brands. Consumer intentions to buy Keroma Delicious brand were positively predicted by flavour and marginally by sweetness. To accelerate the consumption of precooked bean products, product development and marketing strategies should recognise the role of sensory attributes in driving acceptability of the bean snacks, deploy processing technologies that retain and enhance sensory attributes, create awareness of the products, and segment the market from a gender lens in order to satisfy the diverse consumer needs and preferences.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».