MétaCan
Menu
Retour à la cohorte
Enregistrement W2066652062 · doi:10.1021/jf801125f

Use of a Pressuremeter To Measure the Kinetics of Carbon Dioxide Evolution in Chemically Leavened Wheat Flour Dough

2008· article· en· W2066652062 sur OpenAlexaff
G.G. Bellido, Martin G. Scanlon, H. D. Sapirstein, J. H. Page

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2008
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésLeavening agentChemistryKineticsSodium bicarbonateCarbon dioxideTartaric acidFood scienceOrganic chemistryFermentationCitric acid

Résumé

récupéré en direct d'OpenAlex

Among a number of impediments to a wider use of chemical leavening agents in bakery applications is the lack of standardized instrumentation capable of providing information on the rates of CO2 production from chemical leaveners in a format that is meaningful to both the technologist (i.e., the dough rate of reaction or DRR) and the researcher (e.g., in terms of fundamental unitskmol CO2 per kg of dough per s). This paper presents an original methodology to carry out the DRR test using a commercial pressuremeter, the Gassmart apparatus, and to model the kinetics of CO2 evolution of chemically leavened dough. Lean formula doughs were leavened at 27 and 39 degrees C with four chemical leavening systems containing sodium bicarbonate and one of four leavening acids, sodium acid pyrophosphate 40 (SAPP), adipic acid (ADA), potassium acid tartrate (KAT), and glucono-delta-lactone (GDL). Chemical kinetics theory was used to gain an insight into the reaction mechanisms responsible for the evolution of carbon dioxide from the leaveners. A first-order reaction kinetics model was found to be suitable for describing the neutralizing properties of GDL and ADA leavening systems, whereas a first-order reaction kinetics model for irreversible parallel reactions better described the leavening properties of the acidic salts KAT and SAPP.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,028
Tête enseignante GPT0,199
Écart entre enseignants0,172 · 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'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

Citations12
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetFood composition and propertiesTravaux en français237 207