Food categorization determines whether healthier food is inferred to be tastier or less tasty
Notice bibliographique
Résumé
Abstract Despite evidence that people believe that the unhealthier the food, the tastier it is, some studies also suggest the opposing belief—the healthier the food, the tastier it is. A framework is proposed to reconcile this contradiction, and four studies demonstrate that the discrete categorization of foods as healthful versus unhealthful determines which intuition consumers use. When stereotypically unhealthy foods (e.g., candies, ice cream, hot dogs) are encountered, they are automatically categorized as unhealthful and the properties associated with that category (e.g., sweetness, saltiness, fat content) become accessible. Inferences about taste are then based on these properties and the unhealthier the encountered products are (i.e., the higher the sugar and fat content they have), the tastier they are perceived to be (unhealthy = tasty belief). Conversely, when stereotypically healthful foods (e.g., fruits) are encountered, other properties (e.g., freshness, vitamins) become salient, and tastiness is mainly inferred based on these properties, leading to the inference that the healthier these foods are (i.e., the more freshness and vitamins they have), the tastier they are perceived to be (healthy = tasty belief). Marketers and policymakers can leverage these findings to understand better when emphasizing healthiness benefits or hurts taste perceptions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».