MétaCan
Menu
Retour à la cohorte
Enregistrement W2754362167 · doi:10.5539/jas.v9n10p226

Mineral and Metal Levels in Brown Sugar from Organic and Conventional Production Systems

2017· article· en· W2754362167 sur OpenAlexvenueno aff
Paulo Dirceu Luchini, Silvia Raquel Bettani, Marta Regina Verruma Bernardi, Maria Teresa Mendes Ribeiro Borges

Notice bibliographique

RevueJournal of Agricultural Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSugarcane Cultivation and Processing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSugarNutrientFertilizerRandomized block designHuman fertilizationPopulationEnvironmental scienceFood scienceChemistryAgronomyToxicologyBiologyMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Food and nutrition are basic requirements for the promotion and protection of health. In addition to ensuring the availability of calories for consumption, it is necessary to improve the access to the variety of nutrients offered to the population. The consumption of brown sugar inserts nutrients into the feeding, once it is produced only by the evaporation of the existing water in the sugarcane broth, thus maintaining all the original constituents of the plant. To evaluate the influence of organic and conventional fertilization in the nutritional quality of the brown sugars, a test was conducted with six fertilization systems, in a completely randomized block design with four repetitions. The sugars produced were analysed regarding the contents of the nutrients Fe, Zn, Mn and Cu and the toxic elements Pb and Cd. The results showed that the different fertilization systems influenced the content of the minerals present. Although small, the differences were statistically significant and the treatments provided sugars with nutritional characteristics, with an advantage for the totally organic sugar (using organic fertilizer and corrective) which, in addition to environmental issues, did not present lead contamination.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
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 Opus0,044
Tête enseignante GPT0,253
Écart entre enseignants0,208 · 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'étudeObservationnel
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSugarcane Cultivation and ProcessingTravaux en français237 207