MétaCan
Menu
Retour à la cohorte
Enregistrement W3156572983 · doi:10.1177/07439156211014900

Do Consumers Order More Calories in a Meal with a Diet or Regular Soft Drink? An Empirical Investigation Using Large-Scale Field Data

2021· article· en· W3156572983 sur OpenAlexaff
Sina Ghotbi, Tirtha Dhar, Charles B. Weinberg

Notice bibliographique

RevueJournal of Public Policy & Marketing · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCalorieMealConsumption (sociology)Food scienceExcuseEnvironmental healthMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Diet carbonated soft drinks (CSDs) were introduced to help consumers lower caloric intake. However, critics suggest that these drinks can provide an excuse to consume more calories, a so-called “Big Mac and Diet Coke” mentality that is consistent with behavioral theories such as moral licensing (e.g., combining a healthy eating choice with an indulgent, less healthy one). Using individual-level food and drink consumer panel data from a major fast-food restaurant chain, the authors empirically examine meals with a regular CSD versus a diet CSD. Results after controlling for drink size and demographics show that consumers generally do not order higher total calories from a meal with a diet CSD; rather, the authors find significant reductions in calorie count, suggesting that within a single meal, diet CSDs can help consumers unwilling to stop drinking CSDs to reduce calories. So, despite popular beliefs to the contrary, policy makers can consider diet CSD availability as a “calorie-reduction” strategy to lower calorie consumption within a meal.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,065
Tête enseignante GPT0,313
Écart entre enseignants0,247 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public Policy & MarketingMême sujetOrganic Food and AgricultureTravaux en français237 207