MétaCan
Menu
Retour à la cohorte
Enregistrement W1974668972 · doi:10.1094/cchem-85-3-0425

Effects of Particle Size and Starch Damage of Flour and Alkaline Reagent on Yellow Alkaline Noodle Characteristics

2008· article· en· W1974668972 sur OpenAlexaff
D. W. Hatcher, N. M. Edwards, J.E. Dexter

Notice bibliographique

RevueCereal Chemistry · 2008
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensCanadian International Grains Institute
Organismes subventionnairesnon disponible
Mots-clésChemistryFood scienceSodium hydroxidePotassium hydroxideChewinessStarchParticle sizeSodiumReagentWheat flourTexture (cosmology)Organic chemistry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT A hard white spring wheat was milled to yield three patent flours with different starch damage levels by manipulating reduction grinding conditions, and each flour was sieved to give three different particle sizes (85–110, 110–132, 132–183 μm). Raw alkaline noodles were prepared using either 1% w/w kansui (sodium and potassium carbonates in 9:1 ratio) or 1% w/w sodium hydroxide. Noodles prepared with sodium hydroxide were significantly brighter, less red, and more yellow than those made with kansui. Differences in noodle color among flour treatments were evident but were attributable to differences in flour refinement rather to than particle size or starch damage. Noodles were rested for 1 hr after processing before cooking. Alkaline reagent was the main factor associated with cooking loss, being ≈50% greater for sodium hydroxide noodles because of higher pH compared with kansui noodles. Cooked sodium hydroxide noodles were thicker than kansui noodles, and cooked strands for both noodle types became thicker as starch damage increased and as particle size became coarser. Instrumental assessment of cooked noodle texture showed that maximum cutting stress (MCS), resistance to compression (RTC), recovery (REC), stress relaxation time (SRT), chewiness (CHE), and springiness (SPR) were influenced by the type of alkaline reagent. Flour particle size and starch damage also influenced noodle texture but the magnitude of the effects and the trends were dependent on alkaline reagent. MCS of kansui noodles was much greater than for sodium hydroxide noodles. MCS of kansui noodles increased as starch damage increased but, in contrast, MCS of sodium hydroxide noodles decreased with increasing starch damage. REC of kansui noodles increased with increasing starch damage and decreased with larger particle size, whereas for sodium hydroxide noodles REC decreased with increasing starch damage and declined dramatically with larger particle size. Kansui noodles exhibited significantly shorter SRT than sodium hydroxide noodles. SRT of kansui noodles was only moderately affected by starch damage and particle size, whereas for sodium hydroxide noodles, SRT became much shorter as flour became coarser and starch damage became higher. CHE of kansui noodles was greater than for sodium hydroxide noodles. CHE of kansui noodles increased as starch damage increased. In contrast, CHE of sodium hydroxide noodles decreased as starch damage increased and also decreased as flour became coarser. SPR of both noodle types decreased as flour became coarser and starch damage became greater. On the basis of these experiments, flour of smaller particle size is an asset to the cooking quality of sodium hydroxide noodles, but high starch damage is to be avoided. For kansui noodles, the impact of flour particle size on cooked noodle texture was less evident and low starch damage, rather than high starch damage, was an asset.

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)0,000
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 enseignants0,016
Score d'incertitude au seuil0,415

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,231
Écart entre enseignants0,217 · 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

Citations53
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCereal ChemistryMême sujetFood composition and propertiesTravaux en français237 207