Evaluation of black bean flour as enrobing material on the quality characteristics of chicken nuggets
Notice bibliographique
Résumé
The present study was undertaken to evaluate physico-chemical properties, viz., pH, cooking yield (%), moisture (%), crude protein (%), ether extract (%), ash (%), crude fiber (%), moisture-protein ratio, and coating thickness (cm), and sensory attributes, viz., colour and appearance, flavour, juiciness, texture, and overall acceptability of chicken nuggets enrobed with Black beanflour at two different concentrations in the batter mix, viz., 25% w/w (Batter mix-I) and 35% w/w (Batter mix-II). Enrobing of nuggets with Black bean flour significantly (p<0.05) increased the coating thickness, cooking yield, crude protein, ether extract, ash and crude fiber content of nuggets as the level of flour increased from 25% to 35% in the batter mix, whereas, pH and moisture protein ratio decreased significantly (p<0.05). Enrobing of nuggets with batter containing 25% level of black bean flour resulted in higher scores for almost all the sensory attributes viz., colour and appearance, flavour, texture, juiciness and overall acceptability. Enrobing of nuggets with two different levels of black bean flour revealed a significant (p<0.05) effect on the sensory scores; colour and appearance, flavour, texture and overall acceptability and a non-significant effect on juiciness. Enrobing of nuggets with black bean flour at 25% (w/w) concentration used in the batter mix was found optimum and had better efficacy in terms of improving some physico-chemical characteristics and sensory attributes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».