Who Are More Competent in Food Safety: Veterinary Medicine or Food Hygiene Students?
Notice bibliographique
Résumé
In response to the decreasing number of veterinary medicine graduates interested in working in the food sector and public health, the competency of students from a food safety–related university major—named “Food Hygiene” (FH) for taking the responsibilities of a veterinarian in the field of hygienic food production—was assessed in the present study. In this regard, a cross-sectional study was conducted in 2022 at Ferdowsi University of Mashhad, Iran, to evaluate the food safety knowledge (K), attitude (A), and practice (P) among the students from FH ( n = 73), veterinary medicine (vet, n = 28), and other majors ( n = 40). Results showed that FH and vet respondents demonstrated comparable food safety knowledge (∼58%), attitude (68.8%–74-8%), and practice (71.3%–76.4%) scores. Moreover, based on the detailed responses, the FH participants could satisfactorily respond to the questions regarding the safe production, preservation, and handling of foods of animal origin. In conclusion, our findings reveal the potential capability of an FH graduate to handle the tasks of public health veterinarians, particularly in the field of primary production hygiene of animal-based foods. Moreover, based on our findings, it is recommended that additional specific courses related to the production, processing, and hygiene of nonanimal food products be added to the FH program.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».