MétaCan
Menu
Retour à la cohorte
Enregistrement W2612713092 · doi:10.5539/jfr.v6n3p102

Processing Capability of Maize Varieties Through Free Sorting and CATA Methodologies and Physicochemical Characteristics

2017· article· en· W2612713092 sur OpenAlexvenueno aff
Nelly M.F. Monteiro, Noël Akissoé, Laurent Adinsi, Paul Houssou, Adéchola Pierre Polycarpe Kayodé, Mohamed M. Soumanou, Joseph D. Hounhouigan

Notice bibliographique

RevueJournal of Food Research · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEndospermCultivarMathematicsEcotypeAgronomyBiologyBotany

Résumé

récupéré en direct d'OpenAlex

Maize varieties have specific food processing abilities, with reference to the production of gambari-lifin, lifin, mawe and ogi, four major intermediate products in Benin. Except for the gambari-lifin, these products are widely known in the most of African countries. The recent development of gambari-lifin in relation with the maize grains quality suggests the screening of appropriate maize cultivars for minimizing failure during processing. Panelists comprising 77 maize food processors sorted fifteen maize varieties of which fourteen improved and one local ecotype, and then described each group with their own words. Additionally, 70 maize food processors performed the CATA (Check All That Apply) questions test with a list of sensory terms on the maize varieties. Furthermore, selected physicochemical and rheological parameters were determined on seven representative maize varieties. Multidimensional scaling (MDS) and hierarchical cluster analysis and multiple factorial analyses (MFA) were performed on sensory descriptors and instrumental data. Based on MDS, four groups of maize varieties were identified being specifically appropriate for one or more of these intermediate products. Grains size and weight, endosperm texture and in a lesser extent colour were the major group descriptors of maize varieties. Vitreous character or average size were positively correlated to processing yield as far as gambari-lifin is concerned while floury character was associated to “ability for pasting”. This study confirms that food processors perception is very helpful and useful tools for maize breeders since it early provides consistent information for the end-uses products.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,376
Tête enseignante GPT0,464
Écart entre enseignants0,088 · 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'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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetSensory Analysis and Statistical MethodsTravaux en français237 207