MétaCan
Menu
Retour à la cohorte
Enregistrement W2949382586 · doi:10.1002/leg3.2

Effect of adding fermented split yellow pea flour as a partial replacement of wheat flour in bread

2019· article· en· W2949382586 sur OpenAlexafffund
Lindsay Bourré, Kasia McMillin, Yulia Borsuk, Lindsey Boyd, Shelley Lagassé, Elaine Sopiwnyk, Stuart Jones, Adam Dyck, Linda Malcolmson

Notice bibliographique

RevueLegume Science · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensCanadian International Grains Institute
Organismes subventionnairesSaskatchewan Pulse Growers
Mots-clésFood scienceFlavourFermentationTitratable acidWheat flourWheat breadMathematicsBread makingChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The effect of adding fermented split yellow pea flour (SYPF) as a partial replacement for wheat flour in bread was examined. Three sourdough culture levels (3%, 6.5%, and 10%) and two fermentation times (1 and 4 hr) were evaluated. Total titratable acidity of ferment was measured to determine acid development. Bread was baked using three ferment inclusion levels (25%, 35%, and 45%) for each of the six treatment combinations. Nonfermented control bread was baked for each inclusion and culture level by adding the equivalent amount of SYPF and culture to the formulation. Bread was scored for quality and assessed for specific volume, crumb colour, C‐Cell properties, and flavour. Significant main effects were found for inclusion level, culture level, and fermentation time, and a significant Inclusion level × Fermentation time interaction was found for crumb firmness and cell diameter. Breads made with nonfermented SYPF and 10% culture had good flavour with only minor reductions in bread quality compared with a 100% wheat control bread. For the breads made with fermented SYPF, the ferment made with 10% culture fermented for 1 hr and added at an inclusion level of 25% had the most acceptable flavour and bread quality characteristics.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,273
Écart entre enseignants0,265 · 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'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

Citations22
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLegume ScienceMême sujetFood composition and propertiesTravaux en français237 207