The Impact of Clean Label Packaging for Pea-Based Proteins
Notice bibliographique
Résumé
There are several definitions of a clean label ranging from broad clean label claims identifying the type of ingredient (i.e., organic, non-GMO, unfamiliar/unrecognizable ingredients) to strict clean label claims identifying the number of ingredients (i.e., shortening of ingredients lists), both of which can appear as Front of Package (FOP) labeling. Therefore, the following research examines what Canadian consumers value in a clean label, how Canadian consumer attitudes toward clean labels could impact the demand for pea-based proteins, and assesses how pea-based burgers compete against hybrid and beef burgers.\nThe study relied on nationally collected data through an online survey to explore the objectives. The survey was composed of five sections featuring screener questions, discrete choice experiment (DCE), general food purchases, protein choices, and demographics, and analyzed using Multinomial Logit, Mixed Multinomial Logit, and Latent Class models.\nThe analysis revealed Canadian consumers ranked beef burger patties (60%) as the preferred choice, hybrid burger patties (22%) as the second most preferred choice, pea-based burger patties (18%) as the least preferred burger choice, with the rest selecting no purchase (1%). When exploring burger patty heterogeneity for clean label claims, individuals choosing pea-based burgers exhibited notably different taste preferences for the ingredient list length, exhibiting similar WTP between the organic attribute and shortened ingredient lists. Lastly, the respondents who were less likely to choose pea-based proteins, about 85% of individuals, valued stricter clean labels more than broad clean labels, perceiving that a reduced ingredients list signaled increased product naturalness, nutrition, and did not decrease taste. Concluding reduced ingredients list was the most significant clean label definition within the study.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».