Use of descriptive analysis and preference mapping for early‐stage assessment of new and established apples
Notice bibliographique
Résumé
BACKGROUND: This research compared four new apple selections with 16 established apples using descriptive analysis (DA), instrumental analyses and preference mapping, in order to identify suitable selections for commercialization and further research. RESULTS: DA revealed that the new apple selections (PARC1, PARC2, PARC3, PARC4) were very similar in texture/mouthfeel (T) but differed in their flavor (F) and appearance (A) characteristics. Preference mapping revealed that consumers' T preferences were driven primarily by crispness, juiciness and lack of skin toughness, while F preferences were driven by sweetness, lack of tartness and presence of fruity flavor. Consumers' A preferences were driven by a high percentage of red color and degree of striping. The majority of consumers had similar T (82-85%) and F (88-92%) preferences for the early- and mid/late-harvest apples. In contrast, consumers' A preferences were differentiated into three subgroups (60%, 24%, 16%) for the early-harvest apples, but not for the mid/late-harvest apples. The new apple selections were among those most liked for T, F and A. CONCLUSION: This early-stage consumer research confirmed that the new apples were comparable, if not superior, to the established apples. As such, it provided the necessary feedback to industry to proceed with commercialization and optimization of cultural and storage practices.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».