Plant‐based meats in China: a cross‐sectional study of attitudes and behaviours
Notice bibliographique
Résumé
BACKGROUND: This study investigated potential opportunities or challenges for plant-based meat in the Chinese market. A quantitative framework was applied to determine the current level of familiarity and experience with plant-based meat among Chinese consumers, the proportion of consumers who would try or purchase plant-based meat, which demographics within China are most likely to buy plant-based meat and which attitudes are important in driving the purchase intent of plant-based meat. METHODS: A pre-registered cross-sectional online survey (N = 1206) was distributed to respondents (matched to China's adult population for gender and age). RESULTS: Respondents reported a variety of dietary identities, with 43.4% reporting that they were reducing or avoiding meat. The majority of respondents (60.1%) said they had eaten plant-based meat at least once before. Of those who said they had never eaten plant-based meat, 41.9% intended to try it and 31.4% intended to purchase it. The strongest attitudinal predictor of plant-based meat purchase intent was perceived healthiness (β = 0.235, p < 0.001), whereas the strongest demographic predictor of plant-based meat purchase intent was age (β = -0.248, p < 0.001). CONCLUSIONS: The findings of this study suggest that an approach based on increasing opportunities for trial, as well as appealing to specific attitudinal and demographic predictors of plant-based purchase intent, could prove successful in increasing adoption of plant-based and alternative meat products.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».