MétaCan
Menu
Retour à la cohorte
Enregistrement W3203105637 · doi:10.1016/j.appet.2021.105716

Why do people eat the same breakfast every day? Goals and circadian rhythms of variety seeking in meals

2021· article· en· W3203105637 sur OpenAlexaff
Romain Cadario, Carey K. Morewedge

Notice bibliographique

RevueAppetite · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensQuest University Canada
Organismes subventionnairesBoston University
Mots-clésVariety (cybernetics)MealPsychologyAdvertisingFood scienceBusinessBiology

Résumé

récupéré en direct d'OpenAlex

People exhibit a circadian rhythm in the variety of foods they eat. Many people happily eat the same foods for breakfast day after day, yet seek more variety in the foods they eat for lunch and dinner. We identify psychological goals as a driver of this diurnal pattern of variety seeking, complementing other biological and cultural drivers. People are more likely to pursue hedonic goals for meals as the day progresses, which leads them to seek more variety for dinners and lunches than breakfasts. We find evidentiary support for our theory in studies with French and American participants (N = 4481) using diary data, event reconstruction methods, and experiments. Both endogenously and exogenously induced variation in hedonic goal activation modulates variety seeking in meals across days. Hedonic goal activation predicts variety seeking for meals when controlling for factors including time devoted to meal preparation and eating, the presence or absence of other people, and whether people ate a meal inside or outside their home. Goal activation also explain differences in time spent on meals, whereas increasing time spent on meals does not increase variety seeking. Finally, we observed that a similar increase in hedonic goal activation enacts a larger increase in variety seeking at breakfast than at lunch than at dinner, suggesting a diminishing marginal effect of hedonic goal activation on variety seeking.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,121
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,325
Écart entre enseignants0,298 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAppetiteMême sujetBehavioral Health and InterventionsTravaux en français237 207