MétaCan
Menu
Retour à la cohorte
Enregistrement W3162899735

RED LENTILS BALLS (Red Lentils Balls as A Healthy Food with High Protein and Rich in Fiber)

2018· dissertation· en· W3162899735 sur OpenAlexaboutno aff
Fanny Setiawan

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood and Agricultural Sciences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCropFood scienceLegumeStaple foodDietary fiberBiologyGeographyBotanyAgronomyAgriculture
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Red lentils balls are meatballs that come from vegetarian. This red lentils balls still new in Indonesia. Because the author found fact, Indonesia people never know what is red lentils. Red lentils balls cook quickly and don’t need washed too long in the water. Also, red lentils balls have many nutrition such as vitamin B, fiber, and high in protein. The citizen need know about red lentils balls history. Red lentils are an edible pulse. It is a bushy annual plant of the legume family, known for its lens-shape seeds. It is about 40 cm (16 in) tall, and the seeds grow in pods, usually with two seeds in each. In South Asian cuisine, split lentils (often with their hulls removed) are known as dal. Usually eaten with rice and bread, the lentil is a dietary staple throughout regions of India, Sri Lanka, Pakistan, Bangladesh, and Nepal. As a food crop, the majority of world production comes from Canada, India, and Australia. Red lentils are known to be rich in protein, so it is ranked third in protein content by weight of all types of nuts, after soybeans and hemp. The proteins contained include the essential amino acids of isoleucine and lysine. Lentils are a cheap source of protein, Lentils do not contain two essential amino acids, namely methionine and cysteine. Lentils are a good source of iron, capable of providing more than an adult's daily needs in just one cup.

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: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,071

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,008

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 Opus0,011
Tête enseignante GPT0,214
Écart entre enseignants0,204 · 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
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFood and Agricultural SciencesTravaux en français237 207