MétaCan
Menu
Retour à la cohorte
Enregistrement W3128281837 · doi:10.1139/cjps-2020-0223

Juice attributes of Ontario-grown culinary (dessert) apples for cider

2021· article· en· W3128281837 sur OpenAlexaffvenueabout
John A. Cline, Derek J. Plotkowski, Amanda Beneff

Notice bibliographique

RevueCanadian Journal of Plant Science · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensUniversity of GuelphOntario Forest Research Institute
Organismes subventionnairesnon disponible
Mots-clésOrchardTitratable acidCultivarFood sciencePolyphenolFermentationChemistryYeastHorticultureBiology

Résumé

récupéré en direct d'OpenAlex

Continued interest in the commercial production of cider in Ontario has revealed that there is a lack of information available to apple producers and cidermakers on the juice attributes of culinary dessert apple for making cider and how they may vary from orchard to orchard. A two-year study was conducted to characterize the juice characteristics of 18 common culinary dessert apple cultivars grown at several locations in Ontario. Juice was assayed for soluble solids concentration, pH, titratable acidity (TA), juice extraction efficiency, yeast assimilable nitrogen (YAN), polyphenols, and soluble solids to TA ratio. Significant differences among cultivars were observed for all parameters, which varied by orchard and year, except juice extraction efficiency. These data underly the importance of assaying juice every growing season prior to fermentation. Cidermakers should focus on juice characteristics from culinary apples that are more difficult to alter (with amendments), and use juice with lower pH, higher TA and polyphenols, and moderate to higher YAN to optimize cider quality and flavour. Overall, this study will inform cidermakers of which culinary apple cultivars might be preferable for fermentation as well as how they might be blended to optimize cider quality. Notwithstanding annual and orchard variation, cultivars that meet these criteria include Cortland, Crimson Crisp, Honeycrisp, Jonagold, McIntosh, and Northern Spy. If making cider from Ambrosia, Crispin, Empire, Fuji, Gala, Golden Delicious, or Idared, cidermakers should expect to blend the juice from these cultivars to create a more fully balanced juice prior to fermentation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,038
Tête enseignante GPT0,223
Écart entre enseignants0,185 · 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 tête enseignante, 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

Citations7
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetFermentation and Sensory AnalysisTravaux en français237 207