MétaCan
Menu
Retour à la cohorte
Enregistrement W3049744549 · doi:10.5539/jas.v12n9p149

Effects of Extrusion Conditions on Physicochemical Properties of Finger Millet (Gramineae Setaria)

2020· article· en· W3049744549 sur OpenAlexvenueno aff
Peng Liu, Jianjun Cheng, Ming Li, Jing Li, Hongwei Zhu, Shirang Wang, Guoping Yu

Notice bibliographique

RevueJournal of Agricultural Science · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésExtrusionWater contentAbsorption of waterStarchFinger milletExpansion ratioMaterials scienceAgronomyBulk densityMoistureEleusineFood scienceComposite materialChemistrySoil waterBiologySoil scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

In this study, the effects of different extrusion parameters (extrusion temperature: 100, 130, and 160 °C; moisture content: 22%, 26%, and 30%; screw speed: 180 rpm, 270 rpm, and 360 rpm) on physicochemical properties of finger millet were reviewed. High extrusion temperature produced extrudates with high radial expansion index (REI) and starch digestibility and low bulk density (BD). High moisture content and low screw speed increased BD and total starch content (TSC) while decreasing REI and water solubility index (WSI). WSI and starch digestibility first increased and then decreased with increase in extrusion temperature and moisture content, which reached a maximum at 130 °C nd 26%, respectively. However, water absorption index (WAI) was affected by the interactions among various conditions. The extrudates were darker and yellower than native millet. Based on these extrusion conditions, various millet and millet-based products can be produced.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,234
Écart entre enseignants0,215 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetFood composition and propertiesTravaux en français237 207