MétaCan
Menu
Retour à la cohorte
Enregistrement W1690360906 · doi:10.5539/jfr.v4n5p181

Proximate Composition, Physical and Sensory Properties of Cake Prepared from Wheat and Cocoyam Flour Blends

2015· article· en· W1690360906 sur OpenAlexvenueno aff
Y. Alozie, Chiemela Enyinnaya Chinma

Notice bibliographique

RevueJournal of Food Research · 2015
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood scienceWheat flourChemistryProximateComposition (language)Dietary fiber

Résumé

récupéré en direct d'OpenAlex

The effect of replacing wheat flour with cocoyam (<em>Xanthosoma sagittifolium)</em> flour on the proximate composition, physical, sensory properties of cake were investigated<em>.</em> Baking trials were conducted at different levels of substitution (0, 20, 40, 50, 60, 80 and 100%). Cocoyam flour had higher values (p < 0.05) in all functional characteristics evaluated except for emulsifying capacity. Cake weights and volume increased with increasing cocoyam flour substitution while volume index decreased. Protein and fat contents of cake samples decreased (p< 0.05) with increasing levels of cocoyam flour substitution while ash and fibre contents increased. There was no significant (p > 0.05) difference in crust colour of samples. In terms of textural preference, cake prepared from 100% cocoyam flour was significantly higher than 100% wheat cake. Utilization of wheat-cocoyam flour blends in composite cake preparation will be beneficial to the nutrition of vulnerable groups considering the higher ash and fiber contents of of composite cake, and reduced carbohydrate and fat contents than control.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,013
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,143
Tête enseignante GPT0,354
Écart entre enseignants0,211 · 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 tête enseignante, 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

Citations19
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetFood composition and propertiesTravaux en français237 207