MétaCan
Menu
Retour à la cohorte
Enregistrement W2254636198 · doi:10.1080/10408398.2012.757691

Drying of Durum Wheat Pasta and Enriched Pasta: A Review of Modeling Approaches

2015· review· en· W2254636198 sur OpenAlexaff
Samuel Mercier, Martin Mondor, Christine Moresoli, Sébastien Villeneuve, Bernard Marcos

Notice bibliographique

RevueCritical Reviews in Food Science and Nutrition · 2015
Typereview
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of WaterlooAgriculture and Agri-Food CanadaUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMass transferShrinkageMoistureProcess engineeringDiffusionFood scienceMass transportCurrent (fluid)Biochemical engineeringChemistryThermodynamicsComputer sciencePhysicsEngineeringChromatographyMachine learning

Résumé

récupéré en direct d'OpenAlex

Models on drying of durum wheat pasta and enriched pasta were reviewed to identify avenues for improvement according to consumer needs, product formulation and processing conditions. This review first summarized the fundamental phenomena of pasta drying, mass transfer, heat transfer, momentum, chemical changes, shrinkage and crack formation. The basic equations of the current models were then presented, along with methods for the estimation of pasta transport and thermodynamic properties. The experimental validation of these models was also presented and highlighted the need for further model validation for drying at high temperatures (>-100°C) and for more accurate estimation of the pasta diffusion and mass transfer coefficients. This review indicates the need for the development of mechanistic models to improve our understanding of the mass and heat transfer mechanisms involved in pasta drying, and to consider the local changes in pasta transport properties and relaxation time for more accurate description of the moisture transport near glass transition conditions. The ability of current models to describe dried pasta quality according to the consumers expectations or to predict the impact of incorporating ingredients high in nutritional value on the drying of these enriched pasta was also discussed.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,679
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,280
Tête enseignante GPT0,396
Écart entre enseignants0,116 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Food Science and NutritionMême sujetFood composition and propertiesTravaux en français237 207