法国消费者认知中超加工食品的营养质量表征：基于无信息食品图像分类的研究

本研究针对消费者对食品营养质量与加工程度的认知偏差问题，通过图像分类实验揭示法国消费者在无信息提示下对UPF（超加工食品）的评判机制。研究发现消费者能准确识别NOVA分类中的UPF（NOVA 4类），但将加工程度与营养质量（Nutri-Score）混同，存在健康光环效应。该研究为优化膳食指南传播策略提供科学依据。

近年来，全球饮食结构正经历一场静默的革命——超加工食品（Ultra-processed Foods, UPFs）逐渐占据餐桌中心。从美国的快餐文化到法国的超市货架，UPFs贡献了成年人50%以上的能量摄入。这些工业化产物通常含有5种以上非家庭厨房常用成分，凭借便捷性和全球化供应链迅速渗透各国市场。然而科学界对其健康影响争议不断：流行病学研究将UPFs与肥胖、2型糖尿病和心血管疾病关联，但反对声音指出，部分强化纤维和蛋白质的UPFs可能具有营养价值。更令人担忧的是，消费者能否在缺乏营养标签时准确判断食品属性？法国研究团队在《Food Quality and Preference》发表的研究，为这一认知迷宫点亮了探照灯。

研究采用双问卷在线实验设计，200名法国消费者对21种无标签食品图像进行营养质量（NQ）和加工程度（DP）分类。通过多因素逻辑回归分析，结合NOVA加工程度分类和Nutri-Score营养评分体系（基于能量、饱和脂肪、糖盐等限制性成分与纤维、蛋白质等促进性成分的算法），揭示了三个认知维度：首先，消费者对NOVA 1（未加工）和NOVA 4（超加工）类食品的识别准确率达79%，工业形态特征（如包装样式）成为关键判断依据；其次，营养评价受非营养因素干扰，如将酸奶归入高营养组更多因其"天然"外观而非实际成分；最值得注意的是，67%参与者将加工程度与营养质量自动关联，形成"加工即不健康"的认知捷径。

技术方法上，研究创新性地采用无信息图像刺激法，通过预实验设定90秒至20分钟的有效作答时间窗，使用多名义逻辑回归（Multinomial Logit Regression）分析分类数据。样本选择覆盖NOVA 1-4类及Nutri-Score A-E级的代表性食品，确保分类系统交叉验证的可能性。

在"消费者分类与既定类别的关联"部分，数据显示加工食品的工业特征（如挤压成型质地）触发79%参与者的UPF识别，但部分NOVA 3类（加工食品）被误判为NOVA 4类。营养分类则呈现多维性：除实际Nutri-Score外，产品颜色（如褐色面包被视为更健康）和质地（液态vs固态）显著影响判断。"营养与加工的认知纠缠"章节揭示，消费者自发建立的负相关关系（r=-0.43）可能源于膳食指南的简化信息，如法国"避免工业食品"建议形成的条件反射。

讨论部分指出，这种认知混合可能导致双重误区：一方面忽视某些营养型UPF（如高纤维谷物棒）的益处，另一方面高估传统加工食品（如腌肉）的安全性。作者建议政策制定者需区分"加工"与"营养"的传播信息，避免健康光环效应（Health Halo Effect）造成的认知偏差。研究局限性在于未考虑文化差异——乌拉圭研究显示消费者对UPF定义理解更准确，暗示法国特有的食品文化可能强化加工负面联想。

这项由Jessy Youssef领衔的研究，首次系统揭示消费者在信息真空下的食品评价机制，为完善Nutri-Score标签设计提供认知科学依据。当食品工业与公共卫生的博弈日益激烈，该研究犹如一份精准的认知地图，指引着膳食指南改革的方向——或许，我们需要教会公众的不只是"吃什么"，更是"如何思考吃"。