Gaspillage alimentaire à la consommation dans la restauration collective scolaire en France : comportements, facteurs, interventions. RSL
Bibliographic record
Abstract
Contexte: Le gaspillage alimentaire (GA) fait référence à « Toute nourriture destinée à la consommation humaine qui, à une étape de la chaîne alimentaire, est perdue, jetée, dégradée » (Pacte national de lutte contre le gaspillage alimentaire, 2013, France). Le GA est quatre fois plus important en restauration hors domicile, et notamment en cantines, où sont pris près de la moitié de ces repas.Cependant, les preuves empiriques concernant les facteurs expliquant le GA à la consommation en cantines scolaires et l'efficacité des leviers - stratégies d’intervention testés pour réduire celui-ci restent disparates. Pour remédier à ce problème, une analyse systématique a été réalisée pour synthétiser les résultats d’études dans le contexte français, comparer les facteurs et l’impact de leviers incitant les convives à gaspiller moins d’aliments dans la restauration scolaire.Méthodes. Une recherche systématique de la littérature a été effectuée sur les bases de données scientifiques BDSP, EBSCO BSP, EBSCO PsyArticles/PsyInfo, CAIRN, Archives HAL SHS de CNRS, ainsi que sur le Google Scholar. Après évaluation de l’éligibilité, 23 publications (17 études) ont été retenues pour la synthèse descriptive. Seize publications (11 études) contenaient suffisamment d’informations pour en synthétiser les résultats à l’aide du logiciel d’analyse de données qualitatives Nvivo12 Plus.Résultats. La synthèse montre que les facteurs du gaspillage alimentaire des convives mis en lumière dans les études seraient davantage comportementaux. D’autre part, les leviers d’intervention visant à réduire ce gaspillage ont un effet modéré. Les mesures et les résultats sont hétérogènes, avec la qualité des études en milieu naturel moyennement ou peu robuste (ou non précisée).Conclusion. Les résultats de cette revue fournissent l’indication des facteurs du GA scolaire à prendre en compte ou à explorer plus amplement, ainsi que l’indication de l'efficacité des leviers testés dans les contextes scolaires, - tout en soulignant les problèmes à résoudre avant de tirer des conclusions définitives.http://www.academia.edu/45625328/Gaspillage_alimentaire_à_la_consommation_dans_la_restauration_collective_scolaire_en_France_comportements_facteurs_interventions_Revue_systématique_de_littérature
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 | 0.015 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
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".