The Brazilian Way to Consume acai: Do guarana Extract and Sugar Concentrations Influence on Acceptance?
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 class="Normal1"><em>A</em><em>c</em><em>a</em><em>i</em> is a palm widely distributed in the Amazon estuary floodplains. The edible pulp of acai fruits is commonly macerated with water to produce a thick, purple beverage of creamy texture, oily appearance, and characteristic flavor. Depending on the Brazilian region, the acai based-product is prepared adding sugar and <em>guaran</em><em>a</em> extract, but their ideal proportions have never been determined in order to optimize consumers’ sensory acceptance. This research investigated these concentrations using response surface methodology (RSM) based on a five-level, two variable central composite rotatable design (CCRD). Dependent variable was consumer acceptance (flavor, texture and overall liking) and results were analyzed by multivariate regressions. Analyses of Variance (ANOVAs) showed significant models – F-test values (29.3 for flavor, for texture 37.8 and 30.4 for overall liking) higher than the critical value of 4.35 (d.f. = 3; p &lt; 0.05; R<sup>2</sup> of 0.926 for flavor, 0.942 for texture and 0.929 for overall liking). Acceptance models are presented (significant parameters). Results showed that guarana extract has a stronger influence (negative) on acceptance compared to sugar (positive), both not on optimal conditions yet. Therefore, more studies are needed in order to optimize acai acceptance.</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 | 0,002 |
| 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 | 0,001 | 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