MétaCan
Menu
Retour à la cohorte
Enregistrement W2970901877 · doi:10.5539/mas.v13n9p107

The Quality Improvement of Indonesian Konjac Chips (Amorphophallus Muelleri Blume) through Drying Methods and Sodium Metabisulphite Soaking

2019· article· en· W2970901877 sur OpenAlexvenueno aff
Kisroh Kisroh Dwiyono, Maman A. Djauhari

Notice bibliographique

RevueModern Applied Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePolysaccharides Composition and Applications
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Negeri JakartaInstitut Pertanian BogorUniversitas Nasional
Mots-clésAmorphophallusGlucomannanSodium alginateFood scienceStarchMaterials sciencePulp and paper industrySodiumChemistryMathematics

Résumé

récupéré en direct d'OpenAlex

Amorphophallus muelleri Blume (Indonesian konjac) is an annual herbaceous wild plant growing in Indonesia. It produces glucomannan, i.e., a polysaccharide hydrocolloid compound that has many benefits in various fields of industry and has high economic value. To obtain this compound, Indonesian konjac tuber has to be processed into chips, ground, and separated from the other components such as fiber and starch. The problem encountered in producing glucomannan is to find a drying method which may optimally decrease the water content in chips with higher drying rate to produce good quality of the chips. This paper proposes a drying method and to study its effect on the quality of Indonesian konjac chips. For this purpose, we consider these two main treatments; (i) soaking in sodium metabisulphite solution in pre-drying process, and (ii) drying using oven and direct sun light. Thus, we work with four combinations of treatments and then we compare the effect of each combination on the quality characteristics of the chips. The experiment shows that the combination of oven drying method and soaking method produces the best results. In this experiment, we use 1500 ppm of that solution and 10 minutes of soaking. According to our knowledge, these is an unprecedented experiment and thus the results will hopefully be a significant contribution to the literature of food engineering.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,032
Tête enseignante GPT0,318
Écart entre enseignants0,287 · 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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetPolysaccharides Composition and ApplicationsTravaux en français237 207