MétaCan
Menu
Retour à la cohorte
Enregistrement W7071874734

Understanding food consumption behaviors; Prospects for shifting towards sustainable diets

2023· dissertation· en· W7071874734 sur OpenAlexaff

Notice bibliographique

RevueUWSpace (University of Waterloo) · 2023
Typedissertation
Langueen
DomaineComputer Science
ThématiqueCognitive Science and Mapping
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFood choicePopulationConsumption (sociology)SustainabilityAffect (linguistics)Food systemsSustainable agricultureResource (disambiguation)Exploratory researchFood industryAppeal
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Every day, every one of the 8 billion people on the earth must decide about what to eat. By 2050, the world's population will have grown by at least 2 billion people, raising the question of whether we will be able to continue eating the same way. Moreover, Energy and resource use, meat consumption, and food transport have greatly threatened the existing food system. To preserve a healthy and sustainable diet for everybody, a potential solution for this challenge can be shifting dietary choices to mitigate the general need for food supply and related resources. However, it is a challenge to achieve realistic dietary adjustments because of the complicated nature of the variables that influence food choices. While making purchasing and eating decisions, people might be influenced by personal factors such as health, price and, sensory appeal or by environmental factors such as food choice influencers, food culture and, sociability. Demographic status and previous diet changes also play important roles in shaping one’s food behaviors. This thesis creates a model based on the Social Cognitive Theory to categorize these variables, and then conducts an exploratory analysis of the model using an online survey. The goal of this study is to understand the primary variables that influence Canadians' food choices, as well as how these factors differ depending on socio-demographic characteristics including gender, age, and education levels as well as how previous diet changes can affect the significance of factors. \nThe preliminary model identifies eight major personal determinants and three major environmental determinants that influence Canadians' food choices. Having these factors identified helps break down the decision-making process one goes through when making food choices. To conduct an exploratory analysis of this model, a quantitative approach was used, and an online survey was sent to 3623 Canadians across the country. The result of this study revealed that Price and Sociability are the dominant constructs for Canadians in their food choices. These two constructs remain almost consistently important over the three socio-demographic characteristics examined as well. Socio-demographics reported significantly different attitudes on five out of eleven constructs. \nUnderstanding consumer attitudes and behaviors around dietary patterns are critical in identifying significant leverage points for positively affecting future food requirements and targeting different segments of consumers for diet shifts that are achievable. The results of this study highlight the key connections between each factor and consumer groups for policymakers and marketers to act accordingly. Taking a step further, we can apply the results of this study to other locations around the world and guide public food purchasing decisions to be more sustainable.

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)0,002
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 enseignants0,850
Score d'incertitude au seuil0,301

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,003
Communication savante0,0050,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,257
Écart entre enseignants0,188 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUWSpace (University of Waterloo)Même sujetCognitive Science and MappingTravaux en français237 207