MétaCan
Menu
Retour à la cohorte
Enregistrement W4376057531 · doi:10.59202/jhst.v1i2.609

HALAL IN THE FOOD INDUSTRY AROUND THE GLOBE

2022· article· en· W4376057531 sur OpenAlexaboutno aff
Mansoor Abdul Hamid, Oslida Martony, Mazarina Devi

Notice bibliographique

RevueJournal of Halal Science and Technology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHalal products and consumer behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlobeBusinessObligationProduct (mathematics)SternCertificationOrder (exchange)RevenueQuality (philosophy)Consumption (sociology)MarketingFood safetyPolitical scienceEngineeringLawMedicine

Résumé

récupéré en direct d'OpenAlex

The concept of Halal is well understood and practiced Muslims. Muslims are restricted to only consuming foods that are certified as Halal. However, today, the consumption of Halal food is no longer regarded only as a religious obligation for Muslims, but is also sought after by non-Muslim society due to the rising health concern as Halal foods are often classified as ones that have high quality from the perspectives of safety and hygiene. The fact that there are already 1.9 billion Muslims in the globe is indisputable proof that the halal food sector is promising for both Muslim and non-Muslim participants in the industry. Many Muslim-minority countries, such as New Zealand, Canada, the United Kingdom (UK), Australia, the United States of America (USA), India, and Argentina are also exporting Halal foods to foreign countries as they believe that this can generate substantial revenue for them. Nevertheless, low awareness of the concept of halal, uncertainties regarding the ingredients used in the products, and misleading information on a product’s packaging are a few of the challenges in the Halal food industry. In order to popularize the concept of Halal to more non-Muslims, the authority, plays a significant role in this scenario by providing public information related to the concept of Halal as well as taking more stern actions in combating the occurrence of Halal food frauds.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,311
Écart entre enseignants0,282 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Halal Science and TechnologyMême sujetHalal products and consumer behaviorTravaux en français237 207