Gıda Kalitesi, Sağlık Bilinci ve Fiyat Duyarlılığının Fast-Food Satın Alma Niyetine Etkisi: Türkiye ve Kanada’daki Tüketicilerin Karşılaştırması
Notice bibliographique
Résumé
The aim of this study is to investigate the effects of perceptions of food quality of fast-food products, health consciousness and price sensitivity of customers on purchase intention in fast-food restaurants. Also, within the context of these variables, the study examines whether differences exist between customers in Turkey and Canada. To achieve this aim, the hypotheses in the proposed model were tested with online survey data from 291 college students in Ankara and Toronto. Confirmatory factor analysis was used to test the model fit between the survey data and the food quality, health consciousness, price sensitivity and purchase intention scales. Path analysis and independent samples t-Tests are used to test the research hypotheses. According to the results of the path analysis, food quality and price sensitivity positively influence purchase intention while health consciousness negatively influences purchase intention of fast-food products in Canada. Similarly, in Turkey, food quality positively influences purchase intention of fast-food products. However, health consciousness and price sensitivity do not influence fast-food purchase intentions in Turkey. \nAlso, results from the independent samples t-Test reveal that college students in Canada are more price sensitive towards fast-food products than those in Turkey. However, the independent samples t-Tests did not reveal any differences in food quality perceptions, health consciousness levels and fast-food purchase intentions between college students in Turkey and those in Canada. Finally, limitations of the study, suggestions for future research, recommendations for managers and policymakers are also presented.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».