MétaCan
Menu
Retour à la cohorte
Enregistrement W1965302920 · doi:10.5539/jfr.v4n1p1

Single Screw Extrusion Processing of Soy White Flakes Based Catla Feed

2014· article· en· W1965302920 sur OpenAlexvenueno aff
Sushil Kumar Singh, Kasiviswanathan Muthukumarappan

Notice bibliographique

RevueJournal of Food Research · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensnon disponible
Organismes subventionnairesIndian Council of Agricultural ResearchSouth Dakota State UniversityU.S. Department of Agriculture
Mots-clésExtrusionAbsorption of waterExpansion ratioWater contentPelletMaterials scienceDie swellPlastics extrusionMoistureComposite materialFood scienceChemistry

Résumé

récupéré en direct d'OpenAlex

<p>An initial investigation into the inclusion of soy white flakes (SWF) and high protein distillers dried grains (HP-DDG) in catla (<em>Catla catla</em>) diet, belonging to the family Cyprinidae, was conducted using a single screw extruder. Three isocaloric (302 kcal/100 g) ingredient blends containing graded levels of SWF in combination with HP-DDG and other required ingredients were formulated to contain a net protein content of 31.5% (wet basis). Extrusion processing was then performed using three levels each of SWF content, moisture content, and temperature gradient keeping a constant screw speed and die diameter. Effects of these variables on extrudate physical properties including: color, pellet durability index, bulk density, water absorption index, water solubility index, unit density and expansion ratio were extensively analyzed. Increasing the level of SWF resulted in increase in water absorption index and unit density but decrease in expansion ratio. The interaction effect of SWF content, moisture content and temperature were significant for color, pellet durability index, bulk density and expansion ratio. All the extrudates showed relatively high pellet durability and inclusion of SWF produced less expanded and more compact textured extrudates.</p>

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)0,002
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 enseignants0,144
Score d'incertitude au seuil0,190

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,086
Tête enseignante GPT0,309
Écart entre enseignants0,224 · 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

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetAquaculture Nutrition and GrowthTravaux en français237 207