MétaCan
Menu
Retour à la cohorte
Enregistrement W2159820483 · doi:10.1111/j.1745-4557.2000.tb00204.x

SENSORY AND PHYSIO‐CHEMICAL PROPERTIES OF MEMBRANE FILTERED APPLE JUICES<sup>1</sup>

2000· article· en· W2159820483 sur OpenAlexaff
Margaret A. Cliff, Lana Fukumoto, Marjorie King, BARB J. EDWARDS, Benoît Girard

Notice bibliographique

RevueJournal of Food Quality · 2000
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésAromaChemistryFlavorFood scienceAstringentAscorbic acidPasteurizationMembraneTasteBiochemistry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Shelf‐stable apple juices were prepared using two ceramic and four polymeric tubular membranes of varying pore sizes and evaluated using color matching and triangle tests. Juices from 9 kDa and 20 kDa membranes were different in color and aroma/flavor from the other membranes, the characteristics of which did not differ from each other. A full sensory profile was obtained for experimental juices produced using a 0.02 μm ceramic membrane and from commercial pasteurized apple juice. Experimental juices were prepared from fresh and stored apples with and without ascorbic acid. Twelve judges evaluated color; cooked/caramelized, appley, fruity and green aromas and seven flavor attributes (cooked/caramelized, appley, fruity, green, sweet, sour, astringence). Analysis of variance and principal component analysis revealed that membrane filtered juices lacked the cooked/caramelized aroma and had a green flavor compared with the commercial apple juice. Membrane filtered juices prepared from freshly harvested apples had less appley and fruity aroma and flavor, but were more sour and astringent than juices prepared from stored apples. Ascorbic acid treatment significantly reduced the yellow color and increased the astringence of juices.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,076
Tête enseignante GPT0,258
Écart entre enseignants0,182 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations9
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food QualityMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207