Improving food safety compliance of potential employees through a novel model of knowledge, attitude, commitment, and practice
Notice bibliographique
Résumé
The global burden of foodborne illnesses remains high due to consumption of contaminated food. Vigilant attention from all, particularly food handlers, is needed to address food safety concerns and minimize the risks that affect consumer health, international business, and tourism worldwide. The main objectives of this study were to: (i) evaluate the food safety knowledge, attitudes, commitment (involving affective, continuance, and normative types), and practices of students studying subjects related to food sciences in Jordanian universities and (ii) examine the impact of knowledge and attitude on commitment, and subsequently, on relevant practices using structural equation modeling. The questionnaire was completed by 526 students from 5 universities. The score percentages of students in tested categories were as follows: agreement on food safety knowledge (87.7%), attitude (92%), affective commitment (90.4%), continuance commitment (83%), normative commitment (90.3%), and practices (91.5%). The results showed that associations between food safety knowledge and attitude with the three types of commitment were positive and significant (p < 0.05). Affective and normative commitments acted as partial mediators between food safety knowledge and practices and between food safety attitude and practices, whereas continuance commitment did not act as a mediator. Furthermore, a moderate correlation was found between food safety knowledge and attitude. Focus on food safety commitment drivers is essential, as commitment plays a key role in achieving actual hygienic practices by translating adequate knowledge and positive attitudes to improvements in hygienic behavior and reductions in the risk of foodborne illnesses.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».