MétaCan
Menu
Retour à la cohorte
Enregistrement W4400485460 · doi:10.1080/15378020.2024.2377435

The impact of self-directed learning on reducing single use plastic in back-of-house restaurant operations

2024· article· en· W4400485460 sur OpenAlexaffabout
Emily Robinson, Simon Somogyi, Bruce McAdams

Notice bibliographique

RevueJournal of Foodservice Business Research · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMarketingBusinessAdvertisingOperations managementEconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of the study was to determine the barriers to single-use plastic (SUP) reduction, specifically in the back-of-house (BOH) of restaurants, based on preexisting attitudes and perceived barriers. The associated psychological barriers were reflected upon in the context of adult learning theory and self-directed learning, as a novel setting in which to apply these theories. This study assessed the barriers to SUP reduction in restaurants by conducting fourteen qualitative interviews with small- to medium-sized restaurant operators in Canada which were digitally transcribed verbatim and analyzed using thematic content analysis. The study found that the most common barriers to reducing SUPs in the BOH are: cost, lack of time, and suppliers. The study also finds that there is a disconnect between the participants’ attitudes toward SUPs and their perceived barriers, and that there is a lack of access to resources for learning as a barrier. This study adds to self-directed learnings theory’s influence and limitations on sustainability behaviors and the application of self-directed learning to a unique setting. It also concludes that the restaurant BOH environment is akin to a self-directed learning environment. This study has implications for restaurant owners and operators attempting to reduce their SUP consumption.

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)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,922
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
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 Opus0,079
Tête enseignante GPT0,351
Écart entre enseignants0,271 · 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'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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Foodservice Business ResearchMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207