MétaCan
Menu
Retour à la cohorte
Enregistrement W2183677378

Polyphenol content and browning of Canadian icewines

2007· article· en· W2183677378 sur OpenAlexaboutno aff
Paul A. Kilmartin, Andrew G. Reynolds, Vinay Pagay, Canan Nurgel, Robin M. Johnson

Notice bibliographique

RevueJournal of Food Agriculture & Environment · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBrowningPolyphenolChemistryComposition (language)HorticultureGrowing seasonChemical compositionBotanyFood scienceBiologyAntioxidantBiochemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The polyphenol composition of a range of Ontario icewines and late harvest wines was quantified. For 1999-2000 experimental wines, the FAUX icewines (harvested above -8°C and before 18 December) had high concentrations of hydroxycinnamates (10 to 37 mg/L in Riesling; 53 to 82 mg/ L in Vidal) which dropped to concentrations below 10 mg/L for the REAL icewines (harvested at temperatures -8°C or below and after 28 December). However, in 2002 experimental icewines, high concentrations of hydroxycinnamates were seen in both REAL and FAUX wines (40 to 84 mg/L in Riesling; 106 to 129 mg/L in Vidal), but all of the grapes were harvested before 11 December. Low to moderate concentrations of total hydroxycinnamates were observed in commercial icewines (10 to 40 mg/L) and late harvest wines (5 to 60 mg/L). Freeze concentration during icewine making appears to have substantial impact upon polyphenol composition and concentration, but time of harvest and growing season appear to be equally important.

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)0,000
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 enseignants0,913
Score d'incertitude au seuil0,944

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,030
Tête enseignante GPT0,179
Écart entre enseignants0,148 · 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

Citations30
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food Agriculture & EnvironmentMême sujetFermentation and Sensory AnalysisTravaux en français237 207