MétaCan
Menu
Retour à la cohorte
Enregistrement W3161265822 · doi:10.3390/foods10051071

Trends in Sales and Industry Perspectives of Package Sizes of Carbonates and Confectionery Products

2021· article· en· W3161265822 sur OpenAlexaboutno aff
Chloe Jensen, Kirsten Fang, Amanda Grech, Anna Rangan

Notice bibliographique

RevueFoods · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésR packageFood industryBusinessMarketingPer capitaGovernment (linguistics)Package designAgricultural economicsFood scienceEconomicsEngineeringMathematicsChemistryStatistics

Résumé

récupéré en direct d'OpenAlex

Discretionary food package sizes are an important environmental cue that can affect the amount of food consumed. The aim of this study was to determine sales trends and reported food industry perspectives for changing food package sizes of carbonates and confectionery between 2005 and 2019. Changes in package sizes of carbonates and confectionery were investigated in Australia, the USA, Canada, and the UK. Sales data (units per capita and compound annual growth rate between 2005 and 2019) were extracted from the Euromonitor database. Qualitative data (market research reports) on industry perspectives on package size changes were extracted from industry and marketing databases. Carbonate sales data showed increased growth of smaller package sizes (<300 mL) and a decrease in sales of larger package sizes (≥2000 mL) in all four countries. In contrast, confectionery sales data showed no consistent trends across the selected countries. No growth was observed for smaller confectionery package sizes but an increase in growth of larger package sizes (50–99 g, >100 g), including share packages, was observed in Australia. Qualitative data (n = 92 articles) revealed key reasons identified by industry for changes in package size related to consumer health awareness, portion size control, convenience, market growth, and government or industry initiatives. Monitoring of discretionary food package sizes provides additional insights into consumers’ food environment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,289
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207