Modèles pour rendre efficaces les inspections des restaurants

Un article paru dans Decision Support Systems entend apporter des réponses sous forme de modèles quant à l'efficacité des inspections dans les restaurants, en tirant parti des plates-formes d'évaluation en ligne pour soutenir les politiques publiques et prédire les non-conformités de santé dans les restaurants en fonction des critiques en ligne.

Faits saillants

• Nous proposons une approche pour prédire les non-conformité de la santé dans les restaurants sur la base des informations extraites des plateformes d'évaluation en ligne.
• Notre étude fournit des indications pour une forte efficacité de l'information des avis en ligne.
• Le biais d'une confirmation des attentes a une influence sur les performances de la classification.
• L'approche proposée peut aider à planifier efficacement les inspections sanitaires et à réduire le risque de maladie d'origine alimentaire.
• Nos résultats ont des implications importantes pour les autorités réglementaires, les visiteurs des restaurants et les restaurateurs.

Résumé

Les inspections sanitaires des restaurants visent à identifier les non-conformités de santé et doivent réduire le risque que les visiteurs des restaurants souffrent de maladies d'origine alimentaire. Néanmoins, les ressources des autorités de régulation sont limitées, de sorte qu'un mécanisme efficace soutenant la programmation des inspections sanitaires est nécessaire.

Nous nous appuyons sur la théorie de l'efficacité de l'information et examinons si les informations extraites des plates-formes d'évaluation en ligne sont utiles pour prédire les non-conformités de santé des restaurants.

De plus, nous examinons comment le biais de la confirmation des attentes influe sur les performances de la classification. En analysant un large échantillon d'inspections sanitaires, les avis en ligne correspondants et les données des visiteurs des restaurants, nous proposons et évaluons différents modèles prédictifs. Nous constatons que les classificateurs prenant spécifiquement en compte les informations des plates-formes d'examen en ligne surpassent les différentes approches de base. Nous montrons ainsi que les avis en ligne englobent des informations privées indiquant une forte efficacité de l'information. En outre, nous observons que le biais de la confirmation des attentes a une influence sur les performances de classement dans le cas des restaurants avec un faible nombre d'étoiles et un historique d'inspection médiocre. Un classificateur d'ensemble peut aider à réduire cette influence. Ainsi, les plateformes d'avis en ligne contiennent des informations pertinentes pour prédire les futures non-conformiés de santé. Nos résultats sont très pertinents pour les autorités réglementaires, les visiteurs des restaurants et les restaurateurs.