MétaCan
Menu
Retour à la cohorte
Enregistrement W1544107599 · doi:10.5539/jfr.v4n5p1

Comparative Studies on the Physicochemical and Sensory Properties of Watermelon (Citrullus lanatus) and Melon (Citrullus vulgaris) Seed Flours Used in “EGUSI” Soup Preparation

2015· article· en· W1544107599 sur OpenAlexvenueno aff
Monday O. Akusu, D. B. Kiin-Kabari

Notice bibliographique

RevueJournal of Food Research · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvances in Cucurbitaceae Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitrullus lanatusCitrullusMelonFood scienceTasteSignificant differenceChemistryHorticultureMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

A comparative study on the physicochemical and sensory properties of watermelon (Citrullus lanatus) and melon (Citrullus vulgaris) seed flours in food preparation were investigated. A composite flour containing equal parts of watermelon seed flour and melon seed flour were prepared. Egusi soups were prepared from the melon seed flour; watermelon seed flour and a combination of the two flours in equal proportions. Sensory properties of the three soups were evaluated. The results of the investigation showed that the equal proportions of watermelon/melon seed flours had higher crude protein of 27.73% and crude fat of 47.85% than the water melon seed and melon seed flours. There was no significant difference (P>0.05) in water absorption, foam capacity, viscosity and least gelation properties of the melon seed flour compared to the 50:50 flour sample. The sensory properties showed no significant difference (P>0.05) in appearance, taste, thickness and overall acceptability of egusi soup from melon seed flour and 50:50 flour sample. Therefore watermelon seed flour can be used to replace 50% melon seed flour in the preparation of egusi soup

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,248
Tête enseignante GPT0,440
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetAdvances in Cucurbitaceae ResearchTravaux en français237 207