MétaCan
Menu
Retour à la cohorte
Enregistrement W4391066154 · doi:10.1016/j.jneb.2023.12.003

Learning What Works: A Mixed-Methods Study of American Self-identified Food Conservers

2024· article· en· W4391066154 sur OpenAlexvenueno aff
Gwendoline Balto, Shelly Palmer, Jade Hamann, Elizabeth Gutierrez, Yiyang Liu, Melissa Pflugh Prescott

Notice bibliographique

RevueJournal of Nutrition Education and Behavior · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Food and AgricultureU.S. Department of Agriculture
Mots-clésFood wastePsychosocialFocus groupFood preparationBusinessFood processingEnvironmental healthPsychologyMarketingMedicineWaste managementEngineeringFood science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Identify psychosocial factors influencing food waste mitigation and explore motivations and strategies for successful conservation among self-identified food conservers. METHODS: Mixed-methods study consisting of an online survey estimating food waste production and psychosocial factors and a focus group to explore waste mitigation strategies and motivations. RESULTS: Sampled 27 self-identified conservers (female, aged 18-30 years, White/Asian). Mean household food waste was 6.6 cups/wk (range, 0.0-97.9 cups/wk; median 1.3 cups). Reported waste mitigation strategies include proactive mitigation and adaptive recovery measures in each phase of the food management continuum. Conservers reported various intrinsic and extrinsic motivations to reduce food waste and viewed barriers as manageable. CONCLUSIONS AND IMPLICATIONS: Food conservers act on high intentions to reduce waste by consistently employing both proactive waste mitigation and adaptive food recovery measures. Future research is needed to determine if these findings hold in larger, more diverse samples and link specific behaviors to waste volume.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,329
Écart entre enseignants0,313 · 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'étudeAutre devis
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nutrition Education and BehaviorMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207