Costly, confusing, polarizing, and suspect: public perceptions of plant- based eating from a thematic analysis of social media comments
Notice bibliographique
Résumé
Introduction A key approach to fostering more sustainable food systems involves shifting dietary patterns towards increased plant-based eating. However, plant-based eating remains low among Canadians. The objective of this research was therefore to explore public perceptions of plant-based eating in a Canadian context. Methods A qualitative design was used to analyze social media comments posted on Canadian news source Facebook articles between January 16th, 2019 – July 16th, 2020. Investigating perceptions of plant-based eating on social media may capture a broader sample of the population than can be captured using other qualitative methods. Template analysis, a type of codebook thematic analysis, was used to generate themes and subthemes using NVivo software. Results Nine articles were selected for inclusion and a total of n = 4,918 comments were collected. Five themes and 19 subthemes related to plant-based eating were generated and presented with quotations. Themes included: (1) The ethics of food; (2) The affordability and accessibility of food; (3) Distrust of food system stakeholders; (4) Beliefs related to dietary behavior, health, and the environment; and (5) Sensory aspects of plant-based proteins. Discussion Findings suggest that addressing food affordability and accessibility, increasing public food literacy, using non-judgmental approaches, and increasing food system transparency and communication may be strategies to foster plant-based eating. Results of this study provide insight for the development of more effective public health messaging about plant-based eating and help inform future research and interventions to address barriers related to plant-based eating and promote 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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».