Consumer understanding of sugar types predicts food label use
Notice bibliographique
Résumé
Purpose There is growing awareness internationally of the need to reduce intake of added sugars. The purpose of this study was to examine consumer sugar knowledge and food label use. Design/methodology/approach This cross-sectional online survey included 229 adult participants (85% female and 15% male). Participants completed measures of demographics, sugar knowledge, interest in food and nutrition, food choice motivations and beliefs and food label use. The sample of convenience showed that participants were from Australasia (n = 90), the USA (n = 90) and other Western (Europe and Canada, n = 49) countries. Findings Overall, participant sugar knowledge predicted nutrition label use over and above individual demographic and psychological characteristics (interest in food and nutrition, health beliefs and food choice motivations) (p < 0.001). Country comparisons revealed that those in Australasia reported lower sugar knowledge compared to the USA (p =< 0.001) and other Western countries (p = 0.028). Research limitations/implications Overall, participant sugar knowledge predicted nutrition label use over and above individual demographic and psychological characteristics (interest in food and nutrition, health beliefs and food choice motivations) (p < 001). Country comparisons revealed that those in Australasia reported lower sugar knowledge compared to the USA (p =< 0.001) and other Western countries (p = 0.028). Originality/value This study explored sugar knowledge as a unique predictor of food label use, taking into account individual characteristics in demographics, food choice motivations and health beliefs.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».