MétaCan
Menu
Retour à la cohorte
Enregistrement W2100967369 · doi:10.5539/jfr.v1n1p169

Effect of Inulin on the Physical, Chemical and Sensory Quality Attributes of Polish Chicken Burgers

2012· article· en· W2100967369 sur OpenAlexvenueno aff
Aneta Cegiełka, Krzysztof Tambor

Notice bibliographique

RevueJournal of Food Research · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInulinFood scienceChemistryMathematics

Résumé

récupéré en direct d'OpenAlex

<span style="font-family: Times New Roman; font-size: small;"> </span><p>Four formulations of chicken burger were prepared: control product without inulin, and products with 1.0, 2.0 or 3.0 % of inulin (in relation to the weight of meat, fatty raw material, and water), respectively. Physical, chemical and sensory analyses were made to evaluate the effect of inulin on the quality of cooked burgers. The results showed that the application of inulin did not cause significant decrease of the thermal processing yield nor the shear force of the products. However, the addition of inulin resulted in slight, but significant differences (P < 0.05) in chemical composition and energy value of burgers. Burgers of all formulations were acceptable in sensory characteristics. The addition level of inulin not higher than 1.0 %, did not result in deterioration of physical, chemical and sensory quality characteristics of chicken burgers. To improve the nutritional value of chicken burgers, the modification of fatty acid composition is recommended.</p><span style="font-family: Times New Roman; font-size: small;"> </span>

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)0,008
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,047
Score d'incertitude au seuil0,288

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,002
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)0,0000,000

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 Opus0,196
Tête enseignante GPT0,404
Écart entre enseignants0,208 · 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

Citations27
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetMeat and Animal Product QualityTravaux en français237 207