Table_1_Costly, confusing, polarizing, and suspect: public perceptions of plant- based eating from a thematic analysis of social media comments.pdf
Notice bibliographique
Résumé
Introduction A key approach to fostering more sustainable food systems involves shifting dietary patterns towards increased plant-based eating. However, plant-based eating remains low among Canadians. The objective of this research was therefore to explore public perceptions of plant-based eating in a Canadian context. Methods A qualitative design was used to analyze social media comments posted on Canadian news source Facebook articles between January 16th, 2019 – July 16th, 2020. Investigating perceptions of plant-based eating on social media may capture a broader sample of the population than can be captured using other qualitative methods. Template analysis, a type of codebook thematic analysis, was used to generate themes and subthemes using NVivo software. Results Nine articles were selected for inclusion and a total of n = 4,918 comments were collected. Five themes and 19 subthemes related to plant-based eating were generated and presented with quotations. Themes included: (1) The ethics of food; (2) The affordability and accessibility of food; (3) Distrust of food system stakeholders; (4) Beliefs related to dietary behavior, health, and the environment; and (5) Sensory aspects of plant-based proteins. Discussion Findings suggest that addressing food affordability and accessibility, increasing public food literacy, using non-judgmental approaches, and increasing food system transparency and communication may be strategies to foster plant-based eating. Results of this study provide insight for the development of more effective public health messaging about plant-based eating and help inform future research and interventions to address barriers related to plant-based eating and promote consumption.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,004 |
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 ».