The fourth industrial revolution in the food industry—part II: Emerging food trends
Notice bibliographique
Résumé
The food industry has recently been under unprecedented pressure due to major global challenges, such as climate change, exponential increase in world population and urbanization, and the worldwide spread of new diseases and pandemics, such as the COVID-19. The fourth industrial revolution (Industry 4.0) has been gaining momentum since 2015 and has revolutionized the way in which food is produced, transported, stored, perceived, and consumed worldwide, leading to the emergence of new food trends. After reviewing Industry 4.0 technologies (e.g. artificial intelligence, smart sensors, robotics, blockchain, and the Internet of Things) in Part I of this work (Hassoun, Aït-Kaddour, et al. 2022. The fourth industrial revolution in the food industry—Part I: Industry 4.0 technologies. Critical Reviews in Food Science and Nutrition, 1–17.), this complimentary review will focus on emerging food trends (such as fortified and functional foods, additive manufacturing technologies, cultured meat, precision fermentation, and personalized food) and their connection with Industry 4.0 innovations. Implementation of new food trends has been associated with recent advances in Industry 4.0 technologies, enabling a range of new possibilities. The results show several positive food trends that reflect increased awareness of food chain actors of the food-related health and environmental impacts of food systems. Emergence of other food trends and higher consumer interest and engagement in the transition toward sustainable food development and innovative green strategies are expected in the future.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».