MétaCan
Menu
Retour à la cohorte
Enregistrement W4297235812 · doi:10.1177/23998083221129272

Geographies of grocery shopping in major Canadian cities: Evidence from large-scale mobile app data

2022· article· en· W4297235812 sur OpenAlexafffundabout
Lindsey Smith, Maggie Yifei, Michael J. Widener, Steven Farber

Notice bibliographique

RevueEnvironment and Planning B Urban Analytics and City Science · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesOntario Ministry of Research, Innovation and Science
Mots-clésGrocery shoppingGrocery storeTRIPS architectureBusinessPandemicPopulationGeographyScale (ratio)Household incomeAdvertisingCoronavirus disease 2019 (COVID-19)Environmental healthMedicineComputer scienceCartography

Résumé

récupéré en direct d'OpenAlex

Socioeconomic and place-based factors contribute to grocery shopping patterns which may be important for diet and health. Big data provide the opportunity to explore behaviours at the population level. We used data collected from Flipp, a free all-in-one savings and deals content app, to identify visitation to grocery stores and estimate home-to-store distances, monthly frequencies and number of unique stores visited in eight Canadian cities during 2020. Grocery shopping outcomes and associations with income, population density and percentage of car commuters were explored using data aggregated at the Aggregate Dissemination Area level in which app users lived. Changes in patterns of grocery shopping following restrictions implemented in response to the COVID-19 pandemic were also investigated. The median of average home-to-store distances ranged from 4 to 5 km across all cities throughout 2020. Shorter distances for grocery shopping were shown consistently for shoppers living in lower income, densely populated and low car-commuting ADAs. A maximum of three unique supermarkets were visited on average each month. Decreases in the frequency and variability of grocery store visits were shown across all cities in April 2020 following the implementation of restrictions in response to COVID-19, and pre-pandemic levels of shopping were rarely achieved by the end of the year. Ultimately, these results provide much needed information regarding the characteristics of grocery shopping trips in a high-income country, as well as how food shopping was impacted by the onset of the COVID-19 pandemic. This information will be useful for a range of future studies seeking to characterise access to food retail.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,021
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,044
Tête enseignante GPT0,240
Écart entre enseignants0,196 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning B Urban Analytics and City ScienceMême sujetConsumer Retail Behavior StudiesTravaux en français237 207