Bibliographic record
Abstract
Cette étude analyse les écarts de prix attribuables à des caractéristiques observables de lait et de gruau vendu au détail par la méthodologie des prix hédoniques. L'évaluation des prix implicites des allégations sur le devant des emballages, des caractéristiques de magasins et des caractéristiques régionales associés aux produits alimentaires s'est effectuée par le traitement de données. Pour ce, deux sources de données ont été appariées, à savoir les données scanographiques agrégées de Nielsen datant de 2010 et des données primaires sur l'étiquetage nutritionnel des produits préemballés, recueillies durant l'automne 2011, comprenant les allégations nutritionnelles et les tableaux de valeur nutritive. Les résultats indiquent que les prix de vente au détail de lait et de gruau sont considérablement influencés par les caractéristiques des produits, les étiquettes des emballages et les caractéristiques des magasins. En particulier, les allégations nutritionnelles qui peuvent être vérifiées par les tableaux d'étiquetage nutritionnel ont été associées à des prix marginaux négatifs, tandis que les étiquettes contenant des informations non-vérifiables ont tendance à avoir des effets positifs sur la valeur du produit. À l'échelle des magasins, des différences significatives ont été associés aux prix implicites des composantes des produits pour les neuf types de magasins d'alimentation considérés. Selon les estimations des modèles hédoniques, l'emplacement d'un magasin, soit dans une zone urbaine ou rurale, n'influence pas le prix des produits de manière significative. Par contre, les prix du lait réglementé et non-réglementé diffèrent selon les régions définies par la Régie des marchés agricoles et alimentaires du Québec. Les résultats de l'analyse suggèrent également que les consommateurs considèrent la province d'origine d'une marque ainsi que la régionalité des noms de marques locales lors de l'achat du lait au détail.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".