On being a foodie: Food literacy, involvement, and disgust
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
• Foodies are more food literate than non-foodies. • Foodies have greater food disgust than non-foodies. • Food involvement and foodiness capture different dimensions. • The Foodie Index assists with consumer characterisation and market segmentation. • Results inform initiatives to increase food literacy. Foodies, despite representing a significant and important consumer segment globally, are not well characterized in the scholarly literature. In this study we examine the association between foodiness and food literacy, involvement, and disgust; factors known to mediate several dimensions of food behaviour. A sample of 617 Canadian youth (18–25 yrs.) completed a 25-item food literacy scale, the 8-item Food Disgust Scale (English version), and the Food Involvement Scale. Foodiness and foodie status (foodie or non-foodie) were determined using the modified Foodie Index. Results show that foodies ( n = 204) are more food literate overall than non-foodies ( n = 203) (Kruskal-Wallis H test), and score higher across all five subscales. They also have a higher level of general education attainment (Chi-square test). Unexpectedly, foodies also display higher food disgust than non-foodies (Kruskal-Wallis H test). We also show that the foodie construct is more complex than and qualitatively distinct from food involvement. Our findings should assist food marketers and retailers in market segmentation initiatives, and in aligning their products and services with the features and needs of those segments. Additionally, we discuss implications for education and policy strategies aimed at improving food literacy, and identify future research needs.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle