MétaCan
Menu
Retour à la cohorte
Enregistrement W2974440631 · doi:10.5539/jfr.v8n6p18

Production Methods and Physicochemical Characteristics of Cassava Inoculum and Attiéké from Southern Côte d’Ivoire

2019· article· en· W2974440631 sur OpenAlexvenueno aff
Justine Bomo Assanvo, Georges N’zi Agbo, P. Coulin, Christoph Heuberger, Zakaria Farah

Notice bibliographique

RevueJournal of Food Research · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCassava research and cyanide
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCote d ivoireProduction (economics)FermentationOrganolepticQuality (philosophy)CyanideChemistryBiotechnologyBusinessAgricultural scienceGeographyBiologyFood scienceHumanitiesEconomicsOrganic chemistryPhysicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Attiéké is a food from Côte d’Ivoire exported today in several countries. For evaluating production processes, determinant factors and quality attributes of attiéké, a production survey and a physicochemical study were carried out. The survey included 170 producers from the departments of Abidjan, Dabou and Jacqueville, major production areas. Traditional attiéké (Adjoukrou, Ebrié, Alladjan) and a commercial type Garba were investigated for physicochemical analyses. The cassava variety (98% of producers) had no effect on traditional cassava inoculum but had an impact on attiéké quality. The step of fermentation is necessary. The difference between studied attiéké related to microflora of inoculum whose identification may provide adequate explanations on the product. Respect for the various steps of manufacturing process is also essential. Physicochemicals confirmed observed differences between attiéké types. Organoleptic characteristics are criteria of differentiation between attiéké. The quality of preference is well-made grains without fibers. The results obtained also highlighted the risks faced by regular consumers of Garba due to its high cyanide content (12 mg/100g MS) compare to other attiéké (4.41 mg/100g MS).

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,070
Tête enseignante GPT0,362
Écart entre enseignants0,292 · 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'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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetCassava research and cyanideTravaux en français237 207