MétaCan
Menu
Retour à la cohorte
Enregistrement W2032712991 · doi:10.12735/psi.v1n1p41

Effect of Air-Rest Treatment on Rice Malt

2014· article· en· W2032712991 sur OpenAlexvenueno aff
Eric Owusu Mensah, Ibok Oduro, N.T. Dziedzoave, Kwabena J. Sarfo

Notice bibliographique

RevuePlant Science International · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRest (music)Environmental scienceMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

To improve the malting qualities of rice grain, paddy rice (Jasmine 85) was air-rested for 2 to 8 h while in steep and malted for 12 days at 28 ± 1°C. Out-of-steep moisture content, germination energy, shoot length, and diastatic activity of the rice grains were evaluated to determine the efficiency of the air-rest treatment. Air-rested rice grains absorbed 0.5 to 5% moisture more than the untreated (control). Six-hour air-rested grains absorbed the highest moisture content of 36.6% after 48 h of steeping. The highest germination energy (93%) and diastatic activity (1002 U/g dry malt) were recorded in the 6-hour air-rested grains. Moreover, malts resulting from this treatment had their optimum diastatic activity (2086 U/g dry malt) on the 8th day after germination, occurring earlier than the control (2001 U/g dry malt) which peaked at the 10th day. Applying air-rest treatment during rice malting improves its hydrolytic potential.

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 enseignants0,231
Score d'incertitude au seuil0,169

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 Opus0,016
Tête enseignante GPT0,282
Écart entre enseignants0,266 · 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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlant Science InternationalMême sujetFood composition and propertiesTravaux en français237 207