MétaCan
Menu
Retour à la cohorte
Enregistrement W2030370639 · doi:10.5539/jas.v5n2p160

Characteristics of Cookies Supplemented with Oleaster (Elaeagnus angustifolia L.) Flour. I Physicochemical, Sensorial and Textural Properties

2013· article· en· W2030370639 sur OpenAlexvenueno aff
Yasemin Şahan, Ayşe Neslihan Dündar, Emine Aydın, A. Kilci, Dilek Dülger, F. Betul Kaplan, Duygu Göçmen, Güler Çelik

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemical and Pharmacological Studies
Établissements canadiensnon disponible
Organismes subventionnairesTürkiye Bilimsel ve Teknolojik Araştırma Kurumu
Mots-clésFood scienceControl sampleWheat flourMathematicsChemistry

Résumé

récupéré en direct d'OpenAlex

Oleaster flours (OFs) were produced from two different genotypes (G1 and G2) by two different methods (oleaster mesocarp flour: OMF and oleaster mesocarp flour with pericarp: OMFP). In this study, OFs were used to replace wheat flour in the cookie formulation (control) at the levels of 5,10,15,20 and 25% (w/w). OFs supplementation increased total dietary fiber (TDF) contents and decreased caloric contents of cookies compared to the control. Spread ratio (SR) values of cookies with OFs increased. Cookies with OFs were found to be larger in diameter than control cookies. Increasing of OMF and OMFP levels in the cookies led to darker appearance of the cookies than the control. In general, hardness tends to increase as the level of OMFs and OMFPs increased in the cookies. According to sensory analysis, overall acceptance of cookies were found the best at control sample. However, panelists liked all cookies with OFs moderately or slightly. Especially, the usage of 5% for OMFs and OMFPs in cookie formulation gave satisfactory results in terms of acceptability. The present study demonstrated that considerable nutritive and functional improvement could be attained by the addition of OFs to cookie formulation.

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 enseignants0,003
Score d'incertitude au seuil0,007

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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,226 · 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

Citations29
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPhytochemical and Pharmacological StudiesTravaux en français237 207