Nudging consumers towards the most environmentally friendly warm dish: A field experiment applying traffic light label and single label interventions in a hospital cafeteria
Notice bibliographique
Résumé
Switching to food with a lower environmental footprint has a substantial mitigation potential, but consumers still need significant assistance in making the switch. Ecolabels can help guide consumers towards more sustainable food options at the point of sale, without compromising their freedom of choice. However, the efficiency of ecolabels depends on many factors other than the label itself, including the choice settings (school canteen, hospital cafeteria, work launch room). The current paper investigates the role of two eco-label formats, in the context of a hospital cafeteria, in increasing the sales of low-impact (vs. high-impact) dishes (based on the carbon footprint), while also exploring the role of other factors such as price, dish name (hedonic vs. descriptive), foreign connotation of the dish (regional vs. local)., and dietarian type of the dish (vegan, vegetarian, fish or meat). The results show no statistically significant effect of the experiment. Nevertheless, a directional trend emerges: traffic light labels tended to increase the number of low-impact dishes purchased, while the single logo appeared to have the opposite effect. We further found that the price, dish's foreign connotation (regional vs non-regional) and dish type have significant direct effects on the participants' choice. The results are discussed in light of statistical test significance and its implications on our findings. Future research avenues are suggested.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».