Explanatory Analysis of Factors Influencing the Support for Sustainable Food Production and Distribution Systems: Results from a Rural Canadian Community
Notice bibliographique
Résumé
Investigating the viability of alternative food networks (AFNs) is more important than before because of the disruptions in global supply chains and evolving resident composition in different regions. In this regard, this paper reports on findings of a project aimed at identifying factors influencing support for local, sustainable food production, and distribution systems. In the first phase, local residents and international students in Cape Breton, Canada, were surveyed prior to the onset of the coronavirus disease 2019 (COVID-19) pandemic to assess their attitudes and values relative to shopping at farmers markets and buying local. In the second phase, mid-pandemic, text mining of Twitter data was used to gauge sentiments related to these same activities. The results of our explanatory analysis suggest that the top two factors influencing decisions to buy local farm products were food attributes and supporting community economic development. In contrast to previous studies, we included an alternate sample group, namely, international students, and explored the relevance of the social aspect of buying local, e.g., meeting the farmer. Among our findings from the application of a logistics regression model to our survey data (N = 125) is the suggestion that the senior non-international student residents of the Cape Breton Island were more probable to be in the category of consumers whose perception of an authentic buy-local experience was limited to distribution channels that allowed for the social aspect of buying local, e.g., meeting the farmer.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».