MétaCan
Menu
Back to cohort
Record W7005490056

Russiske forbrukeres konsum av fisk og sjømat etter embargoen

2018· dissertation· no· W7005490056 on OpenAlexaboutno aff

Bibliographic record

VenueDuo Research Archive (University of Oslo) · 2018
Typedissertation
Languageno
FieldHealth Professions
TopicIndigenous Studies and Ecology
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)Work (physics)PopulationConsumption (sociology)Flexicurity
DOInot available

Abstract

fetched live from OpenAlex

The fishing industry in Norway is the second largest export industry, after the petroleum industry (SSB, 2016).Russia was from 2011 to 2013 Norway's largest export market; in 2013 a total of 295,000 tonnes of seafood worth a value of 6,534 billion was exported (Norges Sjømatråd, 2016).This changed sharply in 2014 when Russia, as a counter-reaction to the Western countries sanctions against them, introduced an embargo against countries such as the United States, Canada, Australia, the EU and Norway (Sundberg et al., 2014).This study addresses the research gap that exists around Russian consumption of Norwegian fish and seafood.Due to Russia's important role as importer of Norwegian seafood until the embargo in 2014, we want to investigate changes that have occurred in consumer behavior after the embargo, especially of Norwegian fish and seafood.Our research question is therefore:"To what extent were the Russian consumers' consumption of fish influenced by the embargo on Norwegian fish and seafood?" SammendragFiskerinæringen er den nest største eksportnæring etter petroleumsnæringen (SSB, 2016).Russland var fra 2011 til 2013 Norges største eksportmarked, hvor vi i 2013 eksporterte hele 295 tusen tonn sjømat til en verdi av 6,534 milliarder (Norges Sjømatråd, 2016).Dette endret seg brått i 2014 da Russland som en motreaksjon på de vestlige landenes sanksjoner mot dem, innførte en embargo mot land som USA, Canada, Australia, EU og Norge (Sundberg et al., 2014).Denne studien tar for seg forskningsgapet som eksisterer rundt russisk konsum av norsk fisk og sjømat.På grunn av Russlands viktige rolle som importør av norsk sjømat frem til embargoen i 2014, ønsker vi å undersøke endringer som har oppstått i forbrukeratferden etter embargoen, spesielt av norsk fisk og sjømat.Vårt forskningsspørsmål ble derfor: "I hvilken grad ble de russiske forbrukernes konsum av fisk påvirket av embargoen mot norsk fisk og sjømat?"Undersøkelsen ble gjennomført av Kantar TNS på vegne av Norges Sjømatråd.Utvalget bestod av 9189 respondenter.Dataene er analysert i SPSS, hvor seks hypoteser ble testet gjennom en t-test, en logistisk regresjonsanalyse og flere kjikvadrattester.Våre hovedfunn viser at færre respondenter spiser fisk etter embargoen og konsumvanene deres har endret seg.Resultatene våre viste at forbrukernes konsum av fisk og sjømat påvirkes av inntekt, preferanser, tillit, helsefordeler som produktegenskap og vaner.Vi så at tilliten til Norge som produsent av fisk har blitt svekket -færre russiske forbrukere foretrekker å kjøpe fiskeprodukter fra Norge.Våre resultater viser ikke bare at fiskeprodukter fra Norge er mindre foretrukket, de viser også at troverdigheten til landet som fiskeprodusent har blitt svekket som en følge av embargoen.Færre respondenter anser Norge som en troverdig produsent av sild.Videre så vi at inntekt har påvirkning på konsum av fisk.Et interessant funn er at konsumenter med høy inntekt har en større prosentvis nedgang i preferansen av Norge som opprinnelsesland for laks, enn det er for sild og makrell etter embargoen.Aldersgruppen 50-65 år opplevde lavest nedgang av respondenter som spiser fisk på grunn av helsefordeler etter v embargoen.Vi så også at embargoen har hatt en negativ effekt på konsumenter med høyt fiskekonsum som velger å spise fisk på grunn av helsefordeler.vi

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.018
Threshold uncertainty score0.050

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0000.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0150.003

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.

Opus teacher head0.064
GPT teacher head0.370
Teacher spread0.306 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueDuo Research Archive (University of Oslo)Same topicIndigenous Studies and EcologyFrench-language works237,207