MétaCan
Menu
Retour à la cohorte
Enregistrement W3025575114 · doi:10.33262/concienciadigital.v3i2.1.1219

Afectación térmica de la miel de abeja en una metodología alternativa, monitoreando hidroximetilfurfural, número de diastasa y vitamina C

2020· article· es· W3025575114 sur OpenAlexvenueno aff
Danesa Amparo Ruiz Yupangui, Galo Alberto Insuasti Castelo, Carlos Pilamunga Capus, Eduardo Vladimir Fonseca Navarrete

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomaineAgricultural and Biological Sciences
ThématiqueBee Products Chemical Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsChemistryPhilosophy

Résumé

récupéré en direct d'OpenAlex

La investigación tuvo como objetivo realizar un estudio de afectación térmica de la miel de abeja mediante una metodología alternativa, monitoreando la degradación de vitamina C, hidroximetilfurfural (HMF) y número de diastasa (ND). El estudio se realizó con miel genuina de un apicultor de ASOPROACH (Asociación de Producción Apícola de Chimborazo). Se diseñó una metodología experimental de tratamiento térmico para 300 mL de miel a cuatro temperaturas y tres tiempos cada una: 30, 60, 80 y 90 °C a 15, 30 y 60 minutos. Luego de cada tratamiento térmico se analizó la concentración de HMF, ND, Vit C. (Ruiz, Danesa 2018). Los resultados del análisis mostraron que el mejor tratamiento corresponde a una temperatura de 30 °C por 15 minutos. Para el análisis de la concentración de vitamina C se usó cromatografía líquida de alta resolución (HPLC), se repitió el mejor tratamiento térmico por seis veces, observándose que la vitamina C y todos los parámetros físico-químicos establecidos en la norma NTE INEN 1572 se mantenían en una concentración estable. Los resultados experimentales fueron corroborados con un análisis de varianza (SPSS v21). Se socializó a los apicultores de ASOPROACH la parte experimental de los tratamientos térmicos y sobre la propuesta alternativa artesanal. (Ruiz, Danesa 2018). El incremento de la temperatura y el tiempo de duración afecta los parámetros. La metodología diseñada con un cumplimiento estricto puede ser utilizada discrecionalmente en casos especiales.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,015
Tête enseignante GPT0,261
Écart entre enseignants0,246 · 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetBee Products Chemical AnalysisTravaux en français237 207