MétaCan
Menu
Retour à la cohorte
Enregistrement W7005490056

Russiske forbrukeres konsum av fisk og sjømat etter embargoen

2018· dissertation· no· W7005490056 sur OpenAlexaboutno aff

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2018
Typedissertation
Langueno
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Work (physics)PopulationConsumption (sociology)Flexicurity
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The fishing industry in Norway is the second largest export industry, after the petroleum industry (SSB, 2016).Russia was from 2011 to 2013 Norway's largest export market; in 2013 a total of 295,000 tonnes of seafood worth a value of 6,534 billion was exported (Norges Sjømatråd, 2016).This changed sharply in 2014 when Russia, as a counter-reaction to the Western countries sanctions against them, introduced an embargo against countries such as the United States, Canada, Australia, the EU and Norway (Sundberg et al., 2014).This study addresses the research gap that exists around Russian consumption of Norwegian fish and seafood.Due to Russia's important role as importer of Norwegian seafood until the embargo in 2014, we want to investigate changes that have occurred in consumer behavior after the embargo, especially of Norwegian fish and seafood.Our research question is therefore:"To what extent were the Russian consumers' consumption of fish influenced by the embargo on Norwegian fish and seafood?" SammendragFiskerinæringen er den nest største eksportnæring etter petroleumsnæringen (SSB, 2016).Russland var fra 2011 til 2013 Norges største eksportmarked, hvor vi i 2013 eksporterte hele 295 tusen tonn sjømat til en verdi av 6,534 milliarder (Norges Sjømatråd, 2016).Dette endret seg brått i 2014 da Russland som en motreaksjon på de vestlige landenes sanksjoner mot dem, innførte en embargo mot land som USA, Canada, Australia, EU og Norge (Sundberg et al., 2014).Denne studien tar for seg forskningsgapet som eksisterer rundt russisk konsum av norsk fisk og sjømat.På grunn av Russlands viktige rolle som importør av norsk sjømat frem til embargoen i 2014, ønsker vi å undersøke endringer som har oppstått i forbrukeratferden etter embargoen, spesielt av norsk fisk og sjømat.Vårt forskningsspørsmål ble derfor: "I hvilken grad ble de russiske forbrukernes konsum av fisk påvirket av embargoen mot norsk fisk og sjømat?"Undersøkelsen ble gjennomført av Kantar TNS på vegne av Norges Sjømatråd.Utvalget bestod av 9189 respondenter.Dataene er analysert i SPSS, hvor seks hypoteser ble testet gjennom en t-test, en logistisk regresjonsanalyse og flere kjikvadrattester.Våre hovedfunn viser at færre respondenter spiser fisk etter embargoen og konsumvanene deres har endret seg.Resultatene våre viste at forbrukernes konsum av fisk og sjømat påvirkes av inntekt, preferanser, tillit, helsefordeler som produktegenskap og vaner.Vi så at tilliten til Norge som produsent av fisk har blitt svekket -færre russiske forbrukere foretrekker å kjøpe fiskeprodukter fra Norge.Våre resultater viser ikke bare at fiskeprodukter fra Norge er mindre foretrukket, de viser også at troverdigheten til landet som fiskeprodusent har blitt svekket som en følge av embargoen.Færre respondenter anser Norge som en troverdig produsent av sild.Videre så vi at inntekt har påvirkning på konsum av fisk.Et interessant funn er at konsumenter med høy inntekt har en større prosentvis nedgang i preferansen av Norge som opprinnelsesland for laks, enn det er for sild og makrell etter embargoen.Aldersgruppen 50-65 år opplevde lavest nedgang av respondenter som spiser fisk på grunn av helsefordeler etter v embargoen.Vi så også at embargoen har hatt en negativ effekt på konsumenter med høyt fiskekonsum som velger å spise fisk på grunn av helsefordeler.vi

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,370
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDuo Research Archive (University of Oslo)Même sujetIndigenous Studies and EcologyTravaux en français237 207