MétaCan
Menu
Retour à la cohorte
Enregistrement W2171462763 · doi:10.5539/jfr.v1n4p224

Quality Attributes of Okra (Abelmoschus esculentus L. Moench) Pods as Affected by Cultivar and Fruit Size

2012· article· en· W2171462763 sur OpenAlexvenueno aff
Daniela F. Olivera, Alicia Mugridge, Alicia R. Chaves, Rodolfo H. Mascheroni, Sonia Zulma Viña

Notice bibliographique

RevueJournal of Food Research · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Practices and Plant Genetics
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Nacional de Promoción Científica y TecnológicaUniversidad Nacional de La PlataConsejo Nacional de Investigaciones Científicas y Técnicas
Mots-clésAbelmoschusCultivarTropicsPhenolsHorticultureTemperate climateBiologyBotany

Résumé

récupéré en direct d'OpenAlex

<p>Okra is a vegetable widely grown in the tropics, sub-tropics and warmer areas of the temperate zones. Fruit quality plays an important role in marketability and it is mainly related to the characteristic pod length. This work was intended to classify okra fruits belonging to different genotypes (a local variety - LV - and the cultivars Emerald, Clemson Spineless and Annie Oakley II) according to their length and to compare certain quality attributes. LV fruits were considerably firm although they were smaller, thus they should be more suitable for canning or pickling. The hybrid material (Annie Oakley II) yielded high quality fruits. These fruits may be destined for fresh consumption, given that they showed lower fibrousness. At the same time, they had high dry matter content, being suitable for dehydration. Okra fruits highlighted for their contribution of phenolic compounds.Total phenols levels significantly increased with fruit size in LV fruits, meanwhile no significant difference was observed for Annie Oakley II samples. Total flavonoids content showed a similar tendency although values did not differ significantly. Total flavonoids represented between 18-22% of the total phenols contents for the analyzed samples.</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 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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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 Opus0,110
Tête enseignante GPT0,368
Écart entre enseignants0,258 · 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

Citations48
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetAgricultural Practices and Plant GeneticsTravaux en français237 207