Antioxidant Capacity and Consumer Acceptability of Spiced Black Tea
Notice bibliographique
Résumé
Value addition of bulk curl tear cut (CTC) black tea is important to meet emerging customer needs and address challenges in a competitive beverage market. Spicing of the tea is one way of value addition but little or no research has been done on the biochemical effect of blending tea with spices and consumer acceptability. A study was conducted to determine the effect of spices on consumer acceptability; pricing and anti-oxidant capacities of black CTC tea consumed in the Kenyan market. Six spices and a spice mix including; ginger, lemon grass, nutmeg, cinnamon, rosemary and tea <em>masala</em> were used to develop aerated spice tea. The spice mix-tea <em>masala </em>comprised of ginger, cinnamon, cardamoms, cloves, black pepper and nutmeg. The threshold levels of spice-tea blends for commercial purposes were demonstrated using three highly rated spices i.e. cinnamon, lemon grass and ginger. Economic costing was done using the cinnamon spiced-tea. The results showed that black tea had the<em> highest antioxidant</em> activity of 92.66% against that of the highest spice cinnamon 89.89%. Antioxidant activity of spiced tea significantly (P&lt;=0.05) decreased with the quantity of added spice. Spices significantly (P&lt;=0.05) increased consumer preference of the black tea and the preferred spice-mix ratios also differed. Some spices were preferred more than others as shown by the three best rated spice-tea mixes including; cinnamon at 10% lemon grass at 5% and ginger at 15% which had mean scores of 6.74, 6.35 and 6.58 respectively on a hedonic scale.
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 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 | 0,004 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».