Invited paper Evolving consumer trends: positioning animal proteins for a sustainable future.
Notice bibliographique
Résumé
Meat has held a central role in human diets and cultural practices, yet growing societal concerns regarding health, animal welfare, and environmental sustainability are shifting consumer perceptions and behaviours. This short communication synthesizes recent literature (2022–2024) on meat consumption across global regions to identify trends, key drivers, and implications for positioning animal proteins in a sustainable future. Three consistent consumption drivers appear worldwide: sensory quality, affordability, and cultural significance. Taste, tenderness, and juiciness remain critical for sustaining demand, while price and purchasing power influence both type and quantity of meat consumed. Cultural and symbolic roles of meat reinforce its dietary centrality, with variation across regions; for example, meat represents national identity and social cohesion in Latin America, socialization and body image in Ghana, and visual quality cues in Japan. Regional trends highlight a heterogeneous consumer landscape: Western Europe exhibits gradual reduction patterns driven by health, welfare, and sustainability concerns; Latin America, the United States, and New Zealand display strong attachment to meat rooted in tradition, taste, and social identity; emerging Asia and Africa show rising demand driven by population and income growth, urbanization, aspiration, status, and identity signalling. Demographic variables, including age, gender, and education, further modulate attitudes and behaviours, underscoring a gap between intentions and actual consumption. Positioning meat for a sustainable future entails maintaining and enhancing meat’s sensory and nutritional qualities, addressing societal concerns around human health, animal welfare, and environmental sustainability, and simultaneously adapting communication and product differentiation to diverse cultural contexts and consumer segments. Understanding the interplay of sensory, economic, cultural, and ethical drivers of meat consumption provides critical insights for industry and policy stakeholders seeking to align meat production and marketing with evolving societal expectations.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,011 |
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 ».