MétaCan
Menu
Retour à la cohorte
Enregistrement W2991907552 · doi:10.1080/19476337.2019.1693430

Sensory properties of green table olives prepared by different fermentation processes

2019· article· en· W2991907552 sur OpenAlexaff
Taha Rababah, Muhammad H. Alu’datt, Majdi Al‐Mahasneh, Sana Gammoh, Hana’a Mahili, Tha’er Ajouly, Carole C. Tranchant, Vaida Bartkutė-Norkūnienė

Notice bibliographique

RevueCyTA - Journal of Food · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésFlavorFood scienceAromaTasteFermentationChemistryTexture (cosmology)Sensory systemArtificial intelligencePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

This study evaluated the effect of debittering fermentation methods on the sensory properties of green table olives. The panelist results of appearance, aroma, taste, and texture showed that the most preference sensory attributes are found in treated with NaOH followed significantly by the whole, scratchy and ticked. The panelist results varied and showed the higher values of overall appearance found in NaOH followed by the whole, scratchy, and ticked. Also, the higher values of overall flavor and taste found in treated with NaOH followed by ticked, scratchy, and whole. The higher values of overall texture found in whole followed by treated with NaOH, scratchy and ticked. The higher values of overall bitter taste found in whole followed by scratchy, ticked and treated with NaOH. In conclusion, despite of NaOH processing fermentation debittering method has the most sensory parameters but in general not big differences were found comparison with other methods.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

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 Opus0,027
Tête enseignante GPT0,241
Écart entre enseignants0,214 · 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'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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyTA - Journal of FoodMême sujetEdible Oils Quality and AnalysisTravaux en français237 207