Sensory Descriptive Profiling and Consumer Acceptance of Made-in-transit (MIT) Set Yoghurt
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Shelf-life loss during the distribution of food is a growing problem for the food industry as manufacturers centralize production into large manufacturing units and expand their markets. Adaptation of made-in-transit (MIT) concept that changes the transportation of food from merely relocating products to a productive system would permit production during distribution. This concept could maximize product shelf-life and providing the consumer with the freshest product. Alteration of some yoghurt processing parameters (e.g. milk base, heat treatment, starter culture concentration and fermentation temperature) was able make the yoghurt suitable for an MIT product. Therefore, this work is to determine the sensory characteristic of two manufacturing methods for MIT set yoghurt. Manufacturing method (1) consisted of a skim milk base fortified with milk protein concentrate (MPC) inoculated with a 0.2% (v/v) inoculum of S. thermophilus STM5 and L. acidophilus LA5 (STLA) in a ratio of 1:1. Manufacturing method (2) consisted of a skim milk base fortified with sodium caseinate (NaCN) inoculated with a 0.002% (v/v) inoculum of STLA. In both manufacturing methods, fermentation was at 25°C for 168 h. Sensory evaluation of the yoghurts manufactured by each method was compared with standard set yoghurt. There were no significant differences (p > 0.05) between the two MIT set yoghurts on sensory evaluation (descriptive test) yet they were significantly different (p < 0.05) to the standard set yoghurt. MIT set yoghurts scored better than standard set yoghurt for overall acceptance.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,000 | 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 découle