FARKLI DONDURMA VE ÇÖZÜNDÜRME YÖNTEMLERİ İLE ÖN İŞLEM UYGULAMALARININ MANDALİNA VE ÇİLEKTE KALİTE ÖZELLİKLERİ ÜZERİNE ETKİLERİ
Notice bibliographique
Résumé
Bu çalışmada mandalina ve çileğin, dondurulması ve çözündürülmesi aşamasında uygulanan ön işlemlerin, dondurma ve çözündürme yöntemlerinin son ürün kalitesi üzerine etkisi incelenmiştir. Ön işlem olarak sakkaroz ve sitrik asit çözeltilerine daldırma işlemi uygulanırken, donma yöntemi olarak hızlı donma (IQF, -15ºC) ve konvansiyonel statik yöntemler (-18ºC ve -24ºC) uygulanmıştır. Çözündürme işlemi ise ev tipi buzdolabında (4ºC, 4 saat) ve mikrodalga fırında (2 dak) gerçekleştirilmiştir. Dondurma işlemi öncesi sakkaroz çözeltisine daldırılmış örneklerin renk ve dokusal özellikleri gelişirken, donma sonrası çözünme kayıpları azalmıştır. Ön işlem olarak sitrik asit çözeltisine daldırılmış örneklerin ise çözünme sonrası C vitaminini daha iyi koruduğu belirlenmiştir. Hızlı donma, çözünme kaybını konvansiyonel yöntemlere göre oldukça azaltmıştır. Mikrodalga çözündürme işlemi ise çözünme kaybı açısından buzdolabında çözündürme işlemine göre daha avantajlıdır. Hızlı dondurma yöntemi zaman ve kalite kayıplarını azaltmasıyla öne çıkmaktadır.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».