MétaCan
Menu
Retour à la cohorte
Enregistrement W4404069604 · doi:10.1177/00222429241299392

To Dispose or Eat? The Impact of Perceived Healthiness on Consumption Decisions for About-to-Expire Foods

2024· article· en· W4404069604 sur OpenAlexfundno aff
Jeehye Christine Kim, Young Eun Huh, Brent McFerran

Notice bibliographique

RevueJournal of Marketing · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Research Foundation of Korea
Mots-clésDispose patternConsumption (sociology)BusinessMarketingAdvertisingFood scienceWaste managementEngineeringChemistrySociology

Résumé

récupéré en direct d'OpenAlex

Perceived healthiness of food is generally regarded as a positive attribute in food choices, as it positively impacts consumers’ preferences. The current research demonstrates that in contexts where there is a time delay between a food's production and its consumption (referred to as “about-to-expire” food), strong perceptions of a food's healthiness can be detrimental. This is because consumers hold a lay theory that healthy food expires more quickly. In eight studies (N = 3,552), the authors find that merely portraying food as healthy increases the perception that it expires quickly and that this effect attenuates when consumers hold the lay theory weakly or have a high level of knowledge about food expiration. Importantly, this lay theory leads consumers to avoid consuming healthy (vs. nonhealthy) about-to-expire food, resulting in increased disposal intentions and decreased preferences. In designing sales promotions for about-to-expire food, managers should consider the healthiness of food products, as consumers prefer different types of sales promotions and require different magnitudes of price discounts for healthy (vs. nonhealthy) about-to-expire food. Finally, adding an expiration date label that provides unambiguous guidance (i.e., “consume by”) can effectively mitigate the detrimental effect of perceived healthiness on the consumption for about-to-expire food.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,920
Score d'incertitude au seuil0,514

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,068
Tête enseignante GPT0,420
Écart entre enseignants0,352 · 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of MarketingMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207