MétaCan
Menu
Retour à la cohorte
Enregistrement W2160007279 · doi:10.1002/jsfa.7156

Techno‐functional characterization of salad dressing emulsions supplemented with pea, lentil and chickpea flours

2015· article· en· W2160007279 sur OpenAlexafffund
Zhen Ma, Joyce I. Boye, Kevin Swallow, Linda Malcolmson, Benjamin K. Simpson

Notice bibliographique

RevueJournal of the Science of Food and Agriculture · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensMcGill UniversityCanadian International Grains InstituteAgriculture Food and Rural DevelopmentAgriculture and Agri-Food Canada
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesAgriculture and Agri-Food CanadaCentral University Basic Research Fund of China
Mots-clésFood scienceRheologyYolkSnack foodMaterials scienceChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Salad dressings supplemented with pulse flours are novel products. A three-factor face-centered central composite design (CCD) was used to determine the effect of pulse flour concentration (3.5%, 7%, 10.5% w/w), egg yolk concentration (3%, 5%, 7% w/w) and oil concentration (20%, 35%, 50% w/w) on the rheological and color characteristics of salad dressings supplemented with pulse flours. RESULTS: The consistency coefficient m, plateau modulus G(N)(0), recoverable strain Q(t) and color values were all affected by the concentrations of pulse flours used. Scanning electron microscopy showed that dressings with lower oil and egg yolk contents had a less densely packed network compared with dressings with higher oil and egg yolk contents. Sensory results were most promising for salad dressings supplemented with the whole green lentil, yellow pea with low flour content, and chickpea with high oil content. CONCLUSION: This study should be useful for designing novel types of salad dressings to meet market requirements as well as helping to increase pulse consumption.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,199
Écart entre enseignants0,179 · 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'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

Citations19
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Science of Food and AgricultureMême sujetProteins in Food SystemsTravaux en français237 207