MétaCan
Menu
Retour à la cohorte
Enregistrement W4396861879 · doi:10.1080/87559129.2024.2351920

Rise of Plant-Based Beverages: A Consumer-Driven Perspective

2024· article· en· W4396861879 sur OpenAlexaff
Neha Sharma, Nushrat Yeasmen, Laurette Dubé, Valérie Orsat

Notice bibliographique

RevueFood Reviews International · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésFood sciencePerspective (graphical)BusinessChemistryComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The success of plant-based beverages hinges not only on their inherent properties but also on an understanding of consumer behavior. Factors such as health conditions, sustainability awareness, and constant innovation drive consumer interest, while barriers like food neophobia and sensory attributes can deter consumption. To address these challenges, strategies such as nutrient complementation and customization of taste, color, and texture cater to individual preferences, expanding the appeal of plant-based beverages. Despite challenges, the plant-based beverage industry presents significant opportunities for growth, with consumer behavior playing a pivotal role in shaping this trend. This paper investigates the multifaceted factors influencing consumer behavior towards plant-based beverages, offering specific examples of motivations and barriers, drawing from a comprehensive analysis of available literature. The findings suggest that a consumer-centric approach, informed by a nuanced understanding of consumer behavior, is essential for the success of the plant-based beverage industry. By addressing consumer needs and preferences, companies can attract new customers and foster loyalty among existing ones, thereby capitalizing on the significant opportunities for growth within the plant-based beverage market. This paper highlights the implications of consumer behavior for industry stakeholders and underscores the importance of ongoing research and innovation in meeting evolving consumer demands.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0000,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,015
Tête enseignante GPT0,271
Écart entre enseignants0,255 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations55
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Reviews InternationalMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207