MétaCan
Menu
Retour à la cohorte
Enregistrement W2049843187 · doi:10.1111/j.1750-3841.2011.02200.x

Sensory Characteristics and Consumer Acceptance of Bread and Cracker Products Made from Red or White Wheat

2011· article· en· W2049843187 sur OpenAlexafffund
Carolyn A. Challacombe, Koushik Seetharaman, Lisa M. Duizer

Notice bibliographique

RevueJournal of Food Science · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensUniversity of Guelph
Organismes subventionnairesMitacs
Mots-clésWhite (mutation)Food scienceSensory systemChemistryPsychologyBiochemistryCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Whole grain consumption is being promoted due to a number of associated health benefits. However, whole grain consumption is below recommendations possibly due to the presence of characteristic flavors that consumers find unacceptable. The objective of this study was to investigate the sensory characteristics and consumer acceptance of products made from commercial whole grain flours produced from red or white wheats, and with fine or coarse bran particle sizes. Descriptive analysis and consumer acceptance panels were used to characterize both low (cracker) and intermediate (bread) moisture products made with the flours. Partial least squares (PLS) regression was used to correlate the descriptive and consumer data. Sensory differences in whole grain products made from red or white wheat with small or large bran particles sizes and product moisture contents were observed. Bran particle size had a greater effect on the sensory properties of the whole grain products, particularly within the cracker; conversely bran particle size had little influence on consumer acceptance. Red wheat products were found to be more acceptable than the white wheat products. However, a number of color × bran particle interactions were observed in both the descriptive and consumer data. PLS regression demonstrated that consumers could be divided into groupings based upon certain attributes and characteristics.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,000

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 Opus0,097
Tête enseignante GPT0,286
Écart entre enseignants0,189 · 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

Citations47
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetSensory Analysis and Statistical MethodsTravaux en français237 207