MétaCan
Menu
Retour à la cohorte
Enregistrement W2741487333 · doi:10.1094/cchem-05-17-0096-r

Effect of Damaged Starch and NaCl Level on the Dough Handling Properties of a Canadian Western Red Spring Wheat

2017· article· en· W2741487333 sur OpenAlexafffundabout
Andrea K. Stone, Pierre Hucl, Martin G. Scanlon, Michael T. Nickerson

Notice bibliographique

RevueCereal Chemistry · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of ManitobaUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaWestern Grains Research Foundation
Mots-clésStarchFood scienceChemistryRheologyChewinessWheat flourFarinographComposite materialMaterials science

Résumé

récupéré en direct d'OpenAlex

The effects of damaged starch and NaCl (1 and 2% w/w [flour weight]) on the dough handling properties of a wheat flour ( Triticum asetivum L. ‘Roblin’) were investigated with rheological and textural methods. Damaged starch levels of the base flour and three remilled flours (using reduction rolls with decreasing gap sizes) were 5.42, 6.23, 7.30, and 8.43%. Rheological measurements on the dough showed that the complex modulus increased and the loss tangent (tan δ) decreased with increasing damaged starch levels in the flour, indicating that greater amounts of damaged starch produced stiffer dough. The base flour produced doughs with the highest creep compliance value ( J max ), whereas the flour with the most damaged starch deformed the least. Higher levels of salt produced stiffer dough that deformed less, as evident by the higher complex modulus and lower creep compliance, compared with 1% NaCl. Damaged starch overall decreased dough stickiness (N), work of adhesion (N·s), and cohesiveness (mm). Increasing the salt content decreased the stickiness of the doughs. Increasing the damaged starch greatly increased dough extensibility at 1% NaCl. The greater amounts of damaged starch in the remilled flour mitigated some of the negative effects of reducing the salt content on the dough machinability.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,032
Score d'incertitude au seuil0,970

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,057
Tête enseignante GPT0,260
Écart entre enseignants0,203 · 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

Citations12
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCereal ChemistryMême sujetFood composition and propertiesTravaux en français237 207