MétaCan
Menu
Retour à la cohorte
Enregistrement W4295080273 · doi:10.1111/1541-4337.13031

The clean label trend: An ineffective heuristic that disserves both consumers and the food industry?

2022· review· en· W4295080273 sur OpenAlexaff
Aidan A. Chen, Nicole Kayrala, Maëliss Trapeau, Maria Aoun, Nicolas Bordenave

Notice bibliographique

RevueComprehensive Reviews in Food Science and Food Safety · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMarketingHeuristicBusinessFood industryAdvertisingNarrativeNarrative reviewFood sciencePsychologyComputer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

What started around the late 2000s as the "Clean Label" (CL) trend has now become a meaningful segment of the food market, appealing to consumers who want foods made of a limited number of simple and recognizable ingredients. However, this description and tentative definitions of CL foods are vague, subject to multiple interpretations, and CL remains an informal denomination for foods, making consumers' demands and food manufacturers' offerings hardly compatible. Therefore, rather than attempting an illusory definition of CL foods, this narrative review aims to (1) show how CL appears to be a heuristic used by consumers to attempt to make safe and healthful food choices, (2) discuss how this heuristic overlooks many critical aspect of food safety and healthfulness and is consequently ineffective to guide consumers' choices, and (3) discuss the implications of the CL trend on the food chain's stakeholders and their relationships.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,003
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,149
Tête enseignante GPT0,379
Écart entre enseignants0,230 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComprehensive Reviews in Food Science and Food SafetyMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207