MétaCan
Menu
Retour à la cohorte
Enregistrement W2601790610 · doi:10.1080/10408398.2017.1287660

Thermodynamics, transport phenomena, and electrochemistry of external field-assisted nonthermal food technologies

2017· review· en· W2601790610 sur OpenAlexaff
N.N. Misra, Alex Martynenko, Farid Chemat, Larysa Paniwnyk, Francisco J. Barba, Anet ­Režek ­Jambrak

Notice bibliographique

RevueCritical Reviews in Food Science and Nutrition · 2017
Typereview
Langueen
DomaineEngineering
ThématiqueElectrohydrodynamics and Fluid Dynamics
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBiochemical engineeringEmerging technologiesBioprocessNanotechnologyFood industryFood productsComputer scienceData scienceChemistryMaterials scienceEngineeringFood science

Résumé

récupéré en direct d'OpenAlex

Interest in the development and adoption of nonthermal technologies is burgeoning within the food and bioprocess industry, the associated research community, and among the consumers. This is evident from not only the success of some innovative nonthermal technologies at industrial scale, but also from the increasing number of publications dealing with these topics, a growing demand for foods processed by nonthermal technologies and use of natural ingredients. A notable feature of the nonthermal technologies such as cold plasma, electrohydrodynamic processing, pulsed electric fields, and ultrasound is the involvement of external fields, either electric or sound. Therefore, it merits to study the fundamentals of these technologies and the associated phenomenon with a unified approach. In this review, we revisit the fundamental physical and chemical phenomena governing the selected technologies, highlight similarities, and contrasts, describe few successful applications, and finally, identify the gaps in research.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,039
Tête enseignante GPT0,315
Écart entre enseignants0,276 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations154
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Food Science and NutritionMême sujetElectrohydrodynamics and Fluid DynamicsTravaux en français237 207