MétaCan
Menu
Retour à la cohorte
Enregistrement W2944594464 · doi:10.1111/1541-4337.12445

Active Dry Yeast: Lessons from Patents and Science

2019· article· en· W2944594464 sur OpenAlexaff
Pierre Gélinas

Notice bibliographique

RevueComprehensive Reviews in Food Science and Food Safety · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensCegep de Saint HyacintheAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésYeastProduction (economics)BiotechnologySubject matterFermentationBusinessBiologyFood sciencePolitical scienceEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

In the production of fermented foods, long-term preservation of the activity of microbial starters is a critical issue. The aim of this review was to determine key challenges in the production and use of active dry yeast over time and to compare statistics on letters patent for inventions and applied scientific articles as indicators of technological evolution. The review covers 280 original patent specifications and 212 applied scientific articles issued between 1796 and 2018, not including documents in basic science or without obvious application in fermented foods. The main subject matter was baking and the other entries applied to wine and, to a lesser extent, beer and spirits. Very popular in patents granted in the 19th century until about 1935 but ignored in the scientific literature, dehydrated yeast preparations often consisted of wet biomass concentrates mixed with large amounts of water-absorbing agents. Long-term survival of dehydrated yeast cells progressively improved with specific strains, growth conditions, and, to a lesser extent, drying conditions. Since the 1990s, both inventors and scientists have mainly targeted yeast cells protection during rehydration, a most critical factor. Proper review of the scientific literature would be incomplete unless it includes patents, a much ignored but relevant source of information.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,952
Score d'incertitude au seuil0,348

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,083
Tête enseignante GPT0,302
Écart entre enseignants0,219 · 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'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

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComprehensive Reviews in Food Science and Food SafetyMême sujetFermentation and Sensory AnalysisTravaux en français237 207