MétaCan
Menu
Retour à la cohorte
Enregistrement W2098716591 · doi:10.1111/j.1365-2621.2007.01644.x

A comparison of two instrumental techniques used to discriminate the cooking quality of spaghetti

2008· article· en· W2098716591 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesGrains Research and Development Corporation
Mots-clésAnalyserTexture (cosmology)MathematicsRanking (information retrieval)FlavourQuality (philosophy)StatisticsFood scienceArtificial intelligenceComputer scienceChemistryChromatographyPhysics

Résumé

récupéré en direct d'OpenAlex

Summary Pasta is a popular food whose quality can be measured by appearance, flavour and texture. Several instruments have been devised to measure texture but there is little comparative information. This study compared the TA.XT2i texture analyser with the viscoelastograph of thirty spaghetti samples. There was a high correlation between these instruments and good agreement in ranks. While both instruments provide comparable data it is not the same. Two laboratories used the texture analyser to measure cooked spaghetti firmness using their own procedures. There was good agreement in firmness, however; there were differences in the ranks for samples that fell between the extremes in firmness. We attributed these differences to variations in the instrument settings, cooking method and sample presentation used by the laboratories indicating the need to standardise the method. Using a standard method greatly improved the correspondence between the laboratories improving the r 2 to 0.99 with excellent agreement in the ranking of ten samples.

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.

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)0,001
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 enseignants0,064
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,173
Tête enseignante GPT0,442
Écart entre enseignants0,268 · 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