MétaCan
Menu
Retour à la cohorte
Enregistrement W3085693773 · doi:10.1039/9781788016155

Handbook of Food Structure Development

2019· book· en· W3085693773 sur OpenAlexaff
Fotis Spyropoulos, Aris Lazidis, Ian T. Norton

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésFood processingMacroData scienceTasteScale (ratio)Computer scienceField (mathematics)Food scienceGeographyMathematicsCartographyChemistry

Résumé

récupéré en direct d'OpenAlex

The most useful properties of food, i.e. the ones that are detected through look, touch and taste, are a manifestation of the food’s structure. Studies about how this structure develops or can be manipulated during food production and processing are a vital part of research in food science. This book provides the status of research on food structure and how it develops through the interplay between processing routes and formulation elements. It covers food structure development across a range of food settings and consider how this alters in order to design food with specific functionalities and performance. Food structure has to be considered across a range of length scales and the book includes a section focusing on analytical and theoretical approaches that can be taken to analyse/characterise food structure from the nano- to the macro-scale. The book concludes by outlining the main challenges arising within the field and the opportunities that these create in terms of establishing or growing future research activities. Edited and written by world class contributors, this book brings the literature up-to-date by detailing how the technology and applications have moved on over the past 10 years. It serves as a reference for researchers in food science and chemistry, food processing and food texture and structure.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,393

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,1170,082

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 Opus0,037
Tête enseignante GPT0,237
Écart entre enseignants0,200 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations64
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSensory Analysis and Statistical MethodsTravaux en français237 207