Effect of different cereal blends on the quality of Injera a staple food in the highlands of Ethiopia
Notice bibliographique
Résumé
Majority of the Ethiopian population are dependent on tef (Eragrostis tef (Zucc) trotter) flour to make injera, a staple food in Ethiopia, although injera could be made from different cereals. The price of tef, however, is high and the yield potential of the crop is low. Thus, searching for alternative cheaper grains and developing a blend of different cereal flours that can produce injera of acceptable quality and improved nutritional value would be important. This study was conducted to evaluate the sensory quality of injera made from a blend of different cereals (Tef, barley, sorghum and maize) with differing ratios: 100, 75, 50 and 25%. The sensory evaluation of injera was conducted at Mekelle University in a replicated trial. The results revealed significant differences among the cereal flour blends in injera texture, mouth feeling, suppleness and overall rate, while colour, taste and the appearance of injera surface gas holes were non- significant. Injera made from 100% tef flour got the highest preference rank in terms of the texture, mouth feeling, suppleness and overall ratings. Injera made from 50:50 tef + barley blend was the second best in both texture and suppleness followed by 50:50 tef + sorghum, 50: 50 tef + maize blends and tef + barley + sorghum blend of equal ratio. Similarly, results from blend of tef + barley + maize, tef + sorgum + maize and from the four varietal blends in equal ratios produced very good injera quality. From the study results injera quality ranked next to sole tef (tef + barley, tef + sorghum, tef + maize in 50:50 blends and tef + barley + sorghum in equal ratios) could be used as an alternative option for injera utilization and could provide nutritional and dietary benefits to consumers.Keywords: Sensory attributes, Injera quality, cereal flour blends, Tef, Ethiopia.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».