Sensory and Instrumental Consistency of Processed Cheeses
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.
Notice bibliographique
Résumé
<p>The objective of this study was to evaluate the instrumental and sensory texture of seven cheeses, as well as correlate sensory measurements of texture with mechanical properties. The cheeses were composed of different types of basic mass (casein and whey proteins) and emulsifying salts. Instrumental analysis of texture was performed using the universal mechanical testing machine (Instron) for determining the properties of firmness, elasticity, adhesiveness, gumminess, chewiness and cohesiveness. Data was analyzed using the principal component analysis and clustering analysis. Sensory texture was evaluated by a group of semi-trained assessors according to the ranking-difference test for texture of the products. The results were analyzed by the Friedman test; while sensory and instrumental texture measurements were correlated by the Spearman correlation coefficient. With regard to sensory and instrumental texture of the cheeses, the formation of three groups was observed: a first group consisting of cheeses with intermediate texture, another consisting of softer products and a third group formed of more consistent cheeses. Texture differences of the cheeses were determined by their protein and emulsifying agent composition. Sensory consistency presented a significant correlation (|r<sub>s</sub>| &gt; 0.90 and p &lt; 0.01) with the properties of mechanical: firmness, adhesiveness, chewiness and elasticity. On the other hand, the sensory texture measurement is not correlated with the instrumental measurements of gumminess and cohesiveness, indicating that they do not reflect the human perception of cheese texture.</p>
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle