MétaCan
Menu
Retour à la cohorte
Enregistrement W2161327163 · doi:10.5539/jfr.v3n1p70

Electro-Catalytic Production of Lactulose: Statistical Modeling and Experimental Validation

2013· article· en· W2161327163 sur OpenAlexaffvenue
Amara Aït Aissa, Mohammed Aïder

Notice bibliographique

RevueJournal of Food Research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrohydrodynamics and Fluid Dynamics
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésLactuloseLactoseFactorial experimentIsomerizationChemistryCorrelation coefficientCatalysisRoot mean squareFractional factorial designResponse surface methodologyAnalytical Chemistry (journal)Nuclear chemistryChromatographyMathematicsBiochemistryStatisticsEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

<p>Full factorial experimental design was used to optimize the operating conditions of lactose converting into lactulose under electro-activation conditions. The ANOVA showed a high correlation coefficient R<sup>2</sup> (0.9889) and a low root mean square error (1.4 ± 0.15%) values for the regression model of the experimental design, indicating the good predictive nature of the model. The obtained results after optimisation showed that the optimum electro-isomerization conditions are the electric current of 300 mA, temperature of 10 °C, and reactor configuration in which a cation exchange membrane separated the central compartment from the cathodic one in which the electro-isomerization reaction was conducted. According to the optimized conditions, the maximum lactose conversion into lactulose was 30 ± 1.23%. As by-products of the electro-activation, only small amounts of galactose were observed.</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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil0,225

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,307
Écart entre enseignants0,281 · 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

Citations1
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetElectrohydrodynamics and Fluid DynamicsTravaux en français237 207