MétaCan
Menu
Retour à la cohorte
Enregistrement W2275818816 · doi:10.5539/jas.v8n3p162

Reducing Fat Content of Fried Potato Pellet Chips Using Carboxymethyl Cellulose and Soy Protein Isolate Solutions as Coating Films

2016· article· en· W2275818816 sur OpenAlexvenueno aff
Malak Angor

Notice bibliographique

RevueJournal of Agricultural Science · 2016
Typearticle
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPelletCarboxymethyl celluloseCoatingFood scienceChemistryMoistureMethyl celluloseCelluloseMaterials scienceSoy proteinSodiumComposite materialBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

<p>The aim of this work was to investigate the influence of different percentages of Carboxymethyl Cellulose (CMC) and Soy Protein Isolate (SPI) as coating material films for potato pellet chips during deep-fat frying on fat uptake, and sensory properties. Coating solutions of 2%, 6%, 10% and 14% w/v were prepared and heated to 90 ºC for 5 minutes then cooled. Samples were dipped in the coating solutions followed by air drying. The treatments were fried and analyzed for fat uptake and moisture retention. Sensorial attributes were also measured. The results obtained have shown that all coating treatments were reduced oil uptake during deep fat frying. The 10% was the most effective level in reducing fat uptake for both coating films. SPI coating films was reducing fat uptake more than CMC for all levels. All samples were found to improve all sensorial features of potato pellet chips compared to control.</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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
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 Opus0,051
Tête enseignante GPT0,266
Écart entre enseignants0,215 · 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

Citations34
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetEdible Oils Quality and AnalysisTravaux en français237 207