Comment promouvoir la consommation de protéines végétales : Une revue de la littérature de presse
Notice bibliographique
Résumé
La consommation de protéines végétales présente plusieurs bénéfices sur le plan de la santé, de l’environnement et du développement du secteur agro-alimentaire. Malgré les avantages liés à la consommation de protéines végétales, la consommation de viande demeure souvent privilégiée. Cet article présente une revue de la littérature de presse visant à répertorier les interventions de promotion de la consommation de protéines végétales mises en place au Canada et dans des pays européens francophones. L’identification des documents s’est faite à partir de la banque de données Eureka pour les articles de journaux de quotidiens francophones en provenance du Canada et d’Europe et sur le moteur de recherche Google Actualités. Les articles publiés entre le 1er janvier 2015 et le 11 mai 2020 ont été retenus. Au total, 49 articles ont été inclus dans l’étude. Six types d’intervention ont été recensés (sensibilisation, conférences, législation, formation, partenariats/programmes de reconnaissance et offre d’un repas végétarien en restauration collective). L’intervention la plus populaire était l’offre de repas végétariens en restauration collective. Les barrières à l’implantation de ces interventions étaient souvent d’ordre organisationnel (ex : manque de temps), financier, matériel et culturel. Les forces des interventions impliquaient généralement le caractère participatif et volontaire du public cible et l’inclusion de diverses parties prenantes. Cette revue de la littérature de presse peut orienter les acteur.trices œuvrant dans le domaine de la nutrition afin de favoriser la mise en place d’actions de promotion de la consommation de protéines végétales.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».