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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,004
Communication savante0,0060,015
Science ouverte0,0010,002
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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