MétaCan
Menu
Retour à la cohorte
Enregistrement W2016236209 · doi:10.1111/j.1365-2621.2008.01819.x

Bran characteristics and wheat performance in whole wheat bread

2009· article· en· W2016236209 sur OpenAlexaff
Marie‐Ève Seyer, Pierre Gélinas

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2009
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensAgriculture and Agri-Food CanadaUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésBranCultivarHemicelluloseWhole wheatFood scienceBread makingAbsorption of waterLigninCelluloseComposition (language)ChemistryAgronomyWhole grainsWheat flourRaw materialBotanyBiology

Résumé

récupéré en direct d'OpenAlex

Summary The effect of the composition and physical properties of bran from four wheat samples from different cultivars was determined in whole wheat bread. High specific volume of whole wheat bread was correlated (r2 = 0.8275) with strong mechanical properties (low friability) of the bran of wheat cultivars, as determined by sizing (over 425 μm) of bran particles after grinding with a rotor mill. Fibre content and composition of insoluble fibre (hemicellulose, cellulose and lignin) in the bran fraction had a non‐significant (P > 0.05) effect on the performance of wheat cultivars in whole wheat bread. Water absorption of bran was correlated (r2 = 0.9532) with its insoluble fibre content. Based on data obtained with white flour, it was not possible to estimate the baking potential of wheat cultivars in whole wheat bread.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,269
Écart entre enseignants0,254 · 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'étudeObservationnel
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

Citations80
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetFood composition and propertiesTravaux en français237 207