撰文和翻译：王雪洁
编辑：肖冉
今天介绍一篇由Nuria Recuero-Virto等人于2022年1月在线发表在British Food Journal上的文章。本文是通过收集和审查Twitter上的用户生成内容（UGC） 来确定流行的食品技术主题。将确定的食品技术主题与三种不同的感受（正面、中性和负面）联系起来。以了解消费者对食品行业开发的所有新技术的看法。
摘要
目的：在一个需要满足快速增长的人口的行业中，像人工培养肉和生物循环经济的进步是维持该行业和社会的基础。由于创新是经济和社会进步的关键，因此了解消费者在此问题上的立场至关重要。
设计/方法/途径：基于文本数据挖掘，收集了7,030条推文，并将其组织为14个不同的食品相关主题。其中，有6个是正面的，5个是负面的，3个是中性的。
研究结果：总体而言，Twitter用户对6个与食品技术相关的类别有正面看法，如创新解决方案和可持续农业，而对5个类别有负面看法，如行业的虚拟维度或与危机相关的场景。值得注意的是，有3个类别具有中性情绪，这在消费者产生负面看法之前提供了改进的基础，因此改变他们的想法会更加复杂。
原创性/价值：技术创新正在成为食品行业的主导。SARS-CoV-2疫情使该行业发展得更快。传统方法需要被取代，机器人、人工智能、区块链和遗传学等技术将继续存在。
图1. 收集的有关Twitter中食品技术最流行标签的推文。
图2. 研究方法的阶段。
结论
这项研究带来了有关食品工业技术的重要信息。有趣的是，评论最多的话题——创新一一被 Twitter 用户认为是积极的。 尽管一些与创新相关的特定主题被单独评论，并且没有产生积极的感觉，例如生物技术和遗传学，但可以确定的是，创新解决方案和进步总体上是被接受和支持的。
第二个被提及最多的类别是食品技术初创企业，在 Twitter 用户中也很受欢迎。这意味着那些为该行业开发技术的新公司得到了大力支持。可持续农业，包括以植物为基础的技术、用于获得更大食物乐趣的技术、美食大厨和免费资源，是其他被认为是积极的类别，因此被用户接受。
然而，一些与食物相关的话题被Twitter社区拒绝。食品相关技术的虚拟维度，如机器人或经销商，被称为幽灵，是第三大评论主题，但被用户拒绝。正如这项研究发现的那样，对食品工业的其他负面影响是餐馆和厨房中发生的所有食物浪费、当前不稳定时期的不安全和不确定性、危机本身以及这些关键年份造成的饥饿。
最后，值得注意的是，三个重要的话题没有引起特别的情绪，保持中立。Twitter用户认为生物技术和食品遗传学是中性的。重要的是，个人要理解这些技术可以为所有社会问题提供无限有效的解决方案，这些问题来自世界和地方危机、饥饿、资源缺乏甚至污染。与气候变化灾难一样，可持续农业解决方案也被用户视为中性。用户对这些关键话题的漠不关心需要演变成一种积极的感觉，这需要制定必要的策略，让消费者接受创新。
目前，这是第一项通过使用与食品技术相关的主题标签对 Twitter 用户的意见进行分类并揭示用户情绪分析的研究。 重要的是要继续分析不同社交网络中的在线评论，以了解消费者对食品行业开发的所有新技术的看法。
这项研究开始了一种新的研究趋势，即侧重于数据挖掘以了解消费者的看法。 它为在社交媒体渠道的使用中进行更深入的研究打开了大门。
参考文献
Recuero-Virto, N. and Valilla-Arróspide, C. (2022), “Forecasting the next revolution: food technology’s impact on consumers’ acceptance and satisfaction”, British Food Journal, Vol. 124 No. 12, pp. 4339-4353. https://doi.org/10.1108/BFJ-07-2021-0803
长按关注我们
微信号｜FoodAI
原创文章，作者：ifyoung，如若转载，请注明出处：https://www.drugfoodai.com/%e9%a2%84%e6%b5%8b%e4%b8%8b%e4%b8%80%e5%9c%ba%e9%9d%a9%e5%91%bd%ef%bc%9a%e9%a3%9f%e5%93%81%e6%8a%80%e6%9c%af%e5%af%b9%e6%b6%88%e8%b4%b9%e8%80%85%e6%8e%a5%e5%8f%97%e5%ba%a6%e5%92%8c%e6%bb%a1%e6%84%8f.html
注意：本站原创指的是原创编译，并不主张对所介绍的工作的版权，如有侵权，请联系删除！
微信扫一扫 
支付宝扫一扫 相关推荐
-
智能食品加工：从人工神经网络到深度学习的旅程(二)
在第一部分的介绍当中，大家已经对智能食品加工中的人工神经网络的类型有了相对全面的了解。今天给大家带来题为《智能食品加工：从人工神经网络到深度学习的旅程》综述的第二部分介绍：基于人工神经网络（ANN）的智能食品加工。
-
Bioresource Technology：智能化的方法来可持续管理和利用食物废弃物
撰文：王雪洁 编辑：肖冉 介绍 今天介绍一篇由Zafar Said等人于2023年3月在线发表在Bioresource Technology（IF=11.89）上的文章。这篇文章主…
-
稳定同位素和生物元素辅助含硫化合物的中国大蒜产地溯源
该研究对我国六个省或主要产区栽培的大蒜样品进行了稳定同位素（δ13C、δ2H、δ18O、δ15N和δ34S）、生物元素含量（%C、%N和%S）和含硫化合物（8种含量硫成分和2种氨基酸）的表征。并利用这些特征建立了两种模式识别模型（PLS-DA和k-NN），为鉴定我国大蒜的起源提供了一种有用的方法。
-
FOOD CHEM| 安徽农业大学宛晓春团队：基于GC-MS和GC-IMS表征三种茶制成的乌龙茶的香气特征
该研究基于采用GC-IMS、GC-IMS、感官评价和OAV测定等方法，对水仙、黄玫瑰和紫玫瑰的新鲜茶叶和乌龙茶的香气特征进行了综合分析。其中，苯乙醛和3,5-二乙基-2-甲基吡嗪是黄牡丹茶的香气活性成分。与水仙相比，黄玫瑰和紫牡丹的挥发物和花香味明显更多。此外，使用GC-IMS鉴定出27种挥发物，表明该联合方法有助于更好地了解品种对茶树香气的影响。
-
使用机器学习方法评估草莓树果实提取物在粉剂及溶剂系统中的稳定性
今天给大家介绍一篇由Astraya等人合著，于前段时间发表在Food Chemistry上的一篇研究型文章。文章中作者为了模拟酚类化合物在不同储存条件下的降解动力学，建立了3种机器学习模型。
-
利用温控近红外光谱研究限制环境下蛋白质的热稳定性及水的作用
文章中利用反胶束模拟限制环境，采集了不同温度下蛋白质溶液及反胶束溶液的近红外光谱。通过化学计量学方法对光谱进行解析，发现限制环境下蛋白质的热稳定性显著提高，并且发现了特殊桥连水结构的存在可能是其热稳定性提高的原因之一。
-
智能食品加工：从人工神经网络到深度学习的旅程(三)
今天，我们将继续给大家带来综述《智能食品加工：从人工神经网络到深度学习的旅程》的第三个单元的介绍——基于深度学习的智能食品加工。
-
静态顶空-气相色谱-离子迁移谱(SHS-GC-IMS)结合机器学习技术对长相思葡萄酒的质量等级预测
该研究将静态顶空-气相色谱-离子迁移谱（SHS-GC-IMS）技术首次应用于葡萄酒香气分析，通过预测模型将香气化学与葡萄酒感官质量分级联系起来。对6种机器学习模型进行了比较，结果表明人工神经网络(ANN)的预测精度最高，达到95.4%。
-
凉茶中农药及其转化产物的分析
今天介绍一篇来自国家环境保护新型污染物环境健康影响评价重点实验室卢大胜和汪国权等人于2022年2月发表在Food Chemistry（IF=7.514）上的文章。通过研究定位了来自中国两个主要产区的两种凉茶(菊花和冬青)中的农药和农药转化产品(PTPs), 揭示了凉茶中农药的概况，并为发现潜在的环境污染和食品污染物提供了新的视角。
-
重磅干货：食品科学数据库资源汇总（国外篇第一部分）
近期国外也有一些食品专业数据库发表。这些数据库主要对食品添加剂的安全、食品成分、食品营养和食品酶等方面进行了数据分析与平台搭建。下面介绍几篇相关的食品数据库文章。
