MétaCan
Menu
Retour à la cohorte
Enregistrement W4385727735 · doi:10.1016/j.jafr.2023.100739

Seeing through transparency in the craft chocolate industry: The what, how, and why of cacao sourcing

2023· article· en· W4385727735 sur OpenAlexafffund
Sidney James Boegman, Sophia Carodenuto, Sarah Rebitt, Hannah Grant, Brian Cisneros

Notice bibliographique

RevueJournal of Agriculture and Food Research · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Chemistry and Fat Analysis
Établissements canadiensUniversity of Victoria
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésTransparency (behavior)CraftBusinessMarketingProduct (mathematics)Supply chainQuality (philosophy)Industrial organizationComputer science

Résumé

récupéré en direct d'OpenAlex

Transparency is a defining feature of the craft chocolate industry, but with the lack of benchmarks or regulations for this budding industry, entrepreneurs and stakeholders interpret and apply transparency in different ways. In general, transparency appears to be motivated by the aim to improve environmental and social outcomes in cacao origins, but with a lack of rigorous scientific evidence attributing transparency to such outcomes, the extent to which society benefits from industry transparency remains unclear. We provide a first step towards understanding the potential impact of transparency by studying how craft chocolate makers define the concept. Specifically, we ask what information is being disclosed, by whom, how, and why. Our practice-based research methods include collaboration with a key actor in the craft chocolate community: The Chocolate Alliance, an industry platform based in the United States. We employed an iterative mixed-methods approach by engaging 67 research participants in a survey and 13 in semi-structured interviews. Our study indicates that while ethical cacao sourcing is a significant motivator for transparency, craft chocolate makers were also driven by product quality and supply chain objectives. Notably, makers prioritized sharing information they believe will resonate with consumers and encourage purchase, challenging the notion that these companies are wholly driven by non-market goals.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,841
Score d'incertitude au seuil0,448

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,088
Tête enseignante GPT0,304
Écart entre enseignants0,216 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations12
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agriculture and Food ResearchMême sujetFood Chemistry and Fat AnalysisTravaux en français237 207