Applicability of Nixtamalization in the Processing of Millet-based Maasa, a Fermented Food in Ghana
Notice bibliographique
Résumé
Maasa is a spontaneously fermented millet-based fried cake in Ghana. Nixtamalization, a process of cooking and soaking cereals (usually maize) in lime solution, was applied in the traditional processing of the Ghanaian millet-based fermented maasa. During the processing, Lime cooked millet dough (LCMD) and water soaked millet dough (WSMD) samples were analyzed for proximate composition, pH, total titratable acidity and microbial counts were assessed for fermenting millet dough samples. Finally, maasa prepared from nixtamalized and non-nixtamalized fermented millet dough samples were assessed for consumer sensory acceptability on a five-point hedonic scale. Nixtamalization improved crude protein and ash contents of millet dough samples whereas fat and fiber contents decreased. During fermentation, a reduction in pH and increase in total titratable acidity was observed for both nixtamalized and non-nixtamalized millet dough samples. Lactic acid bacteria (LAB) and yeasts count reached 9.4 and 8.0 logcfu/g respectively for non-nixtamalized millet after 14 hours of fermentation, whereas for nixtamalized millet samples, LAB and yeasts count reached 7.6 and 7.5 logcfu/g respectively. Consumer sensory evaluation of Maasa produced from nixtamalized fermented millet had improved texture, colour and overall acceptability as compared to the traditional non-nixtamalized fermented millet-based maasa. Nixtamalization can thus be applied in the production of Ghanaian millet-based maasa to improve nutritional quality and acceptability as well as maintain the benefits associated with traditional cereal fermentation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».