Adding More Plant-Forward Dishes to Menus: Findings from a Survey of Post-Secondary Campus Food Services Across Canada
Notice bibliographique
Résumé
Post-secondary campus food services are one of the best contexts for trying new ideas for promoting plant-forward foods for health and sustainability. Two main approaches can be discerned in the literature: increasing offerings of meat-free plant-based dishes and either fully or partially substituting plant-based ingredients for meat in existing meat-based dishes. It is now timely to determine what proportion of menu offerings offered in post-secondary institutions across Canada are plant-forward dishes. Post-secondary campus food services are promising contexts for promoting plant-forward diets, yet little information exists on adoption across Canada. The extent of adoption, facilitators and barriers to implementation, and characteristics of plant-forward entrées were identified by food service representatives. The online survey included variables from the inner and outer setting and implementation process domains of Damschroder et al.’s (2022) Consolidated Framework for Implementation Research. Thirty-four Canadian university and college food service units participated. The percentage of plant-forward to overall entrée offerings varied widely, with a median of 17% in 2018-2020, doubling to 35% in 2023-2024. When the sample was divided into three subgroups: no-meal-plan group (n=8), late adopters (adopted 1-4 years ago: n=13) and early adopters (adopted 5+ years ago: n=12), the percentage of offerings had significantly risen among early and late adopters despite remaining low for the no-meal-plan group. While meat-free entrées were commonly available across all the groups, a larger number of variants with partial meat substitution were available among early adopters compared to the other groups. Late adopters reported significantly more barriers to implementation than the other two groups on some measures while the no-meal plan group reported the lack of infrastructure compared to other groups.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».