MétaCan
Menu
Retour à la cohorte
Enregistrement W2921246568 · doi:10.5539/jas.v11n4p395

Post-harvest Evaluation of Bananas (Musa sp.) Cultivated in the Brazilian Semi-arid Region When Submitted to Cold Storage

2019· article· en· W2921246568 sur OpenAlexvenueno aff
José Aluísio de Araújo Paula, Elizângela Cabral dos Santos, Eudes de Almeida Cardoso, Roberto Pequeno de Sousa, Janilson Pinheiro de Assis, Marta Juvênia Andrade Oliveira Meinerz, Paulo César Ferreira Linhares, Alexandre Lopes Macedo

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBanana Cultivation and Research
Établissements canadiensnon disponible
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésTitratable acidCultivarHorticultureCold storageChemistryFood scienceBotanyMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

This study evaluates the post-harvest quality of fruits of different banana cultivars regarding type of propagation when stored in cold at three different times at constant temperature. The experiment was carried out at the Fazenda Terra Santa in the semi-arid region of northeastern Brazil. We applied a completely randomized experiment in a 6 × 3 factorial, evaluating the post-harvest development of ‘Prata-anã’ and ‘Pacovan’ cultivars, propagated in three different ways and analyzed at three distinct times of storage in the cold. The following fruit quality variables were analyzed: soluble solids, vitamin C content, titratable acidity, and potential of hydrogen (pH). The analysis of variance revealed a significant effect at 1% probability in all sources of variation of analyzed variables of Soluble Solids and pH, for the unfolding treatments × storage time of the analyzed variables Vitamin C and titratable acidity, and for the source of variation treatment of the vitamin C variable. The ‘Prata-anã’ cultivar propagated by rhizome with “ceva” was the most efficient technique of propagation, providing good soluble solids and titratable acidity contents, but with the lowest pH values.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,962
Score d'incertitude au seuil0,203

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,038
Tête enseignante GPT0,281
Écart entre enseignants0,244 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetBanana Cultivation and ResearchTravaux en français237 207