Production of Dietetic Bakery Product - Tapa-Nan with Functional Additives
Notice bibliographique
Résumé
In this study 12 % mixture of mashed carrot and pumpkin and powder of pumpkin seeds and medicinal herbs: St.-John's-wort (Hypericum L); thousand-leaf (Achilea millefolium L.) and licorice root (xty.beat) were used to enrich dietetic bakery product - tapa-nan produced with first grade wheat flour. The effect of addition on dough on its rheological properties, on bread on its physical-chemical and sensory parameters of bread was studied. The results showed that the baking properties of flour and the rheological properties of the dough with additives at a dosage 12% to weight fraction of flour increased significantly (p<0.05). It was found that the introduction of mixture has intensifying effect on the fermentation process, reduces gluten content and strengthens its structural and mechanical properties. Also the reduction of the dough fermentation period and expenses of dried substances were found. Introduction of functional additives increased the water absorption capacity of flour (WAC), lowered dilution of dough consistency; as well its elasticity improved. Physical – chemical parameters of the proposed dietetic national bakery product (tapa-nan) such as moisture, porosity, titratable acidity showed no significantly (p<0.05) different. In appearances, taste, smell and flavor definitions showed that addition of 12 % mixture of mashed carrot and pumpkin and powder of pumpkin seeds and medicinal herbs: St.-John's-wort (Hypericum L); thousand-leaf (Achilea millefolium L.) and licorice root (xty.beat) had more to yellowness. In texture characteristics, the result showed the hardness of bread decreased and chew ability improved. Apart from that, biological value of enriched bread increased.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».