Análisis estadístico para la elaboración de una bebida natural no convencional a partir de harina de garbanzo (Cicer Arietinum L.) y hojas de muña (Minthostachys Mollys)
Notice bibliographique
Résumé
Las bebidas no tradicionales son productos que durante los últimos años tienden a elevar los niveles de demanda a nivel mundial entre los consumidores, debido a las ventajas que presentan frente a las bebidas comunes, por tal motivo el trabajo de investigación se elaboró con la finalidad de crear una nueva opción de consumo entre la gama de bebidas presentes en los mercados que aporte de nutrientes al organismo de quien lo consume, así como también evitar enfermedades, es así como dentro de las principales materias primas se encuentra el garbanzo y las hojas de muña, conocidas por sus propiedades curativas y regenerativas cuando se combinan con los aminoácidos del cuerpo humano. Para la elaboración de la bebida se realizó la caracterización de la harina de garbanzo y hojas de muña a través de análisis proximales como Humedad, Cenizas, Fibra, Grasa y Proteína. Seguido se postuló a diferentes variantes generadas a partir de la combinación de concentraciones de hojas de muña (1%, 2%, 3%) y harina de garbanzo (1%, 2%, 3%), obteniendo nueve formulaciones, con tres repeticiones por cada bloque de tratamiento. Tras la aplicación de un análisis de varianza con medidas repetidas se seleccionó al tratamiento A6 (2% de harina de garbanzo + 3% hojas de muña) como aquella combinación que maximiza los porcentajes de Proteína y Fibra.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».