Air quality and diet preference: do consumers purchase more healthy food when breathing polluted air?
Notice bibliographique
Résumé
Purpose This research examines how air quality, as a direct environmental factor, impacts individual food choices. Design/methodology/approach Study 1 uses a panel of more than ten thousand people with one-year shopping records to examine the relationship between air quality and healthy food purchase. Study 2 employs a scenario-based experiment to investigate the underlying behavioral mechanisms regarding food consumption as individual response to mitigate perceived stress caused by air pollution. Findings Using data from a major Chinese supermarket chain in a large city, combined with daily local air quality measurements over a one-year period, Study 1 revealed a nonlinear relationship between air quality and healthy food purchases. Specifically, as air quality deteriorates to moderate levels, healthy food purchases decrease, reaching the lowest point under medium pollution levels. However, when air pollution becomes severe, healthy food purchases increase again, resulting in a “U-shaped” pattern. In a subsequent scenario-based experiment (Study 2), poor air quality was found to increase individuals’ perceived stress, which subsequently influenced food choices. This effect was moderated by the emotion regulation strategies individuals adopted, providing a behavioral explanation for the observed U-shaped relationship. Originality/value This research uncovers a nonlinear relationship between air quality and individual healthy food choices. Moreover, it highlights the role of emotion regulation strategy in shaping the effect of air quality on individual behavior.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».