A new climate externalities food knowledge test validated by item response theory and behavioural data prediction ( Validación de una nueva prueba de conocimientos sobre la externalidad climática de los alimentos mediante la teoría de respuesta al ítem y la predicción a partir de datos conductuales )

Abstract

ABSTRACTResearch underscores the imperative for global dietary shifts to curb global temperature rise within the Paris Agreement’s 2°C limit. Understanding human dietary behaviour is crucial for effective environmental policies promoting pro-environmental actions. A significant obstacle is the lack of awareness regarding the CO2 implications of meat and dairy consumption, hindering sustainable diet adoption. Thus, evaluating knowledge-based interventions requires reliable tools to quantify climate impact knowledge related to food consumption. Unfortunately, existing pro-environmental knowledge measurement instruments lack domain specificity, leaving a void in assessing climate-conscious food choice knowledge. Addressing this void, our climate externalities food knowledge test was developed. It underwent calibration via item response theory with a German university student sample and validation across one German and two Chilean student samples. The resulting scale exhibited a strong approximate model fit, acceptable item fit metrics, good reliability and the ability to predict climate-relevant food-choice patterns and expert group performance. However, notable differential item functioning was observed based on cultural context. Our instrument provides a valuable contribution to understanding and promoting sustainable food choices on a global scale.RESUMENLas investigaciones realizadas hasta la fecha muestran que, para que la temperatura global no supere el incremento límite de 2ºC establecido en el Acuerdo de París, es necesario realizar cambios en la dieta humana a nivel global. La comprensión de la conducta dietética humana es esencial para la aplicación exitosa de las políticas medioambientales que fomenten conductas proambientales. La falta general de conciencia sobre los efectos del consumo de carne y productos lácteos sobre el CO2 es un obstáculo significativo, que dificulta la adopción de dietas sostenibles. Por lo tanto, la evaluación de las intervenciones basadas en conocimientos previos requiere de instrumentos fiables para cuantificar el impacto sobre el clima de los conocimientos sobre el consumo de alimentos. Desgraciadamente, los instrumentos actualmente disponibles para medir el conocimiento proambiental no son específicos a este dominio. Nuestra prueba de conocimientos sobre la externalidad climática alimentaria trata de suplir esta carencia. Se calibró mediante la aplicación de la Teoría de Respuesta al Ítem sobre una muestra de universitarios alemanes, y se validó con una muestra de estudiantes alemanes y dos muestras de estudiantes chilenos. La escala resultante mostró un buen ajuste aproximado al modelo, estadísticas de ajuste de ítems aceptables, buena fiabilidad, y la capacidad de predecir tanto patrones de selección de alimentos relevantes para el clima como los rendimientos de grupo de expertos. Sin embargo, se encontraron pruebas de funcionamiento diferencial de los ítems en función del contexto cultural. Nuestro instrumento aporta una contribución valiosa para la comprensión y el fomento de las elecciones sostenibles de alimentos a escala global.KEYWORDS: climate changefood consumptioneffectiveness knowledgeenvironmental knowledgeitem response theoryPALABRAS CLAVE: cambio climáticoconsumo de alimentosconocimientos sobre la eficaciaconocimientos ambientalesteoría de respuesta al ítem Acknowledgements / AgradecimientosThis research was supported by the German Federal Ministry of Education and Research, grant 01LN1708A / Esta investigación se realizó con el apoyo del German Federal Ministry of Education and Research, subvención 01LN1708A.Disclosure statement / Conflicto de interesesNo potential conflict of interest was reported by the authors. / Las autoras no han referido ningún potencial conflicto de interés en relación con este artículo.Notes1. The complexity — and the spread of the estimates of the emissions of different PCF (Product Carbon Footprint) studies of the same product type is testimony to this — of the processes that determine how much climate externalities a given food produces clearly indicates that − except for professional experts − systematic knowledge about the absolute impact of certain foods on the climate will be extremely rare.2. If a participant had answered an item more than once, we included the response to the item when it was answered first.3. Here also, we only included the response to the item when it was answered first.4. We used beef (beef/lamb) as the base level and thus as the standard of comparison because beef (beef/lamb) has the highest climate impact among the meat-based main and side dishes we included as attribute levels. This entails that for this comparison the influence of climate impact knowledge should be the strongest.5. We assumed N = 1,000 for the simulations. All simulations were conducted in R.1. La complejidad (y la variación en las estimaciones de emisiones de distintos estudios de HCP — huella de carbono del producto — para un mismo tipo de producto es una prueba de ello) de los procesos que determinan cuántas externalidades del clima produce un alimento en concreto es una clara muestra de que (salvo para los expertos profesionales) un conocimiento sistemático sobre el impacto absoluto de ciertos alimentos sobre el clima es extremadamente inusual.2. Si un participante había respondido a un ítem más de una vez, incluimos la primera respuesta a ese ítem.3. Aquí también incluimos solo la primera respuesta al ítem.4. Empleamos vacuno (vacuno/cordero) como el nivel base y por tanto como el estándar de comparación porque el vacuno (vacuno/cordero) tiene el mayor impacto climático entre los platos principales de origen animal que incluimos como niveles de atributo. Esto implica que para esta comparación la influencia del conocimiento sobre el impacto climático debería ser la más potente.5. Asumimos que N = 1,000 para las simulaciones. Todas las simulaciones se efectuaron mediante R.Additional informationFundingThis work was supported by the Bundesministerium für Bildung und Forschung [01LN1708A_DeCarb_Friends].