Impact of Child Interaction With Food Preparation on Vegetable Preferences: A Farm-Based Education Approach
Notice bibliographique
Résumé
OBJECTIVE: To identify the impact of child involvement in vegetable preparation on vegetable preference and attitudes toward eating vegetables. DESIGN: Pre-post mixed-methods. SETTING: Food and Farming Camp at a nonprofit urban farm in Sunnyvale, California. PARTICIPANTS: Camp participants aged 8-10 years (n = 34 girls, n = 12 boys), and aged 11-14 years (n = 19 girls, n = 4 boys). INTERVENTIONS: Involvement in vegetable preparation through harvesting, cutting, cooking, and seasoning before consumption. Interviews identified camper perception of vegetable preference and involvement in preparation. MAIN OUTCOME MEASURES: Change in vegetable preference from baseline with and without involvement in vegetable preparation. Attitudes toward involvement in vegetable preparation. ANALYSIS: Adjustment of preferences to baseline followed by tests of hypotheses to identify differences with involvement. Thematic, qualitative coding to identify prevalent themes within interview responses. RESULTS: Younger campers preferred vegetables they prepared (P < 0.05), except for carrots. Campers were more likely to choose vegetables they prepared (P < 0.05). Campers of both age groups were curious to try their vegetable creations and described feelings of pride and responsibility related to preparing vegetables. CONCLUSIONS AND IMPLICATIONS: Involvement with food preparation, in particular in a garden-based setting, may provide an accessible method to improve child vegetable preference.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».