Corn Flour Formulation and Fortification Tests: Evaluation of Acceptability of Local Derived Product Called “Kabato” Case of Napalakaha, Nibolikaha and Tiangakaha of Region of Korhogo
Notice bibliographique
Résumé
The good use of food is one of the fundamental points of the food security of the populations especially in the developing countries. Therefore, for convincing results, the methods of strengthening nutritional knowledge by improving the culinary practices of vulnerable populations must take into account the dietary habits of the targets. The objective of the present study was to contribute to the consumption of the project crops to develop food formulations. In practice, eight (8) cornmeal formulas using soybeans and orange-fleshed sweet potatoes have been proposed and submitted to the grantees. The different proportions of ingredient to be mixed were obtained by the Pearson's Square method. Analysis of the sensory evaluation data was possible to the Statistical Package for Social Sciences (SPSS) software version 21 and the different results were presented in the form of radar graphs. The results showed that simultaneously flours and “kabato” accepted by the populations of the study area were formulations of: - E: 72.26 percent of maize flour and 27.74 percent of sweet potato flour - F: 53.76 percent of corn flour and 46.24 percent of sweet potato flour - G: 89.3 percent of composite flour (maize and sweet potato) and 10.7 percent of soya flour - H: 78.09 percent of composite flour (maize and sweet potato) and 21.91 percent of soya flour So, it can be envisaged to implement a strategy for a better vulgarization of these 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».