MétaCan
Menu
Retour à la cohorte
Enregistrement W2037002237 · doi:10.1111/j.1750-3841.2009.01163.x

A Method for Intercultivar Comparison of Potato Tuber Nutrient Content Using Specific Tissue Weight Proportions

2009· article· en· W2037002237 sur OpenAlexaff
Estela. Ortiz-Medina, Venkatesh Sosle, V. Raghavan, Danielle J. Donnelly

Notice bibliographique

RevueJournal of Food Science · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensMcGill UniversitySte. Anne's Hospital
Organismes subventionnairesnon disponible
Mots-clésCultivarPithNutrientDry weightDry matterBiologyTubercleBotanyHorticultureAgronomyFood scienceEcology

Résumé

récupéré en direct d'OpenAlex

Potato tubers are a staple food item in the North American diet. Each potato cultivar has unique tuber appearance and nutritional composition. A method was developed to facilitate better cultivar selection for dietary purposes and obtain a better understanding of the nutrient distribution within specific tissues of potato tubers. This involved a procedure for estimating the percent weight contribution of the 3 major tissue components, including periderm or "skin," cortex, and pith for 20 potato cultivars. Weight determination was based on the volume (calculated through an ellipsoid formula) and density of each component tissue. Calculated percent weight and dry matter data for each tuber tissue provided conversion factor values that were tabulated for all cultivars. An example is provided to illustrate the application of this procedure in facilitating identification of cultivars with significantly greater or lesser protein content.

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)0,001
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 enseignants0,045
Score d'incertitude au seuil0,160

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 Opus0,171
Tête enseignante GPT0,388
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

Citations5
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetPotato Plant ResearchTravaux en français237 207