Identification of sensory properties driving consumers' liking of commercially available kale and arugula
Notice bibliographique
Résumé
BACKGROUND: Kale and arugula are leafy green vegetables whose sensory properties have not been extensively explored. The objective was to assess the sensory properties and consumer acceptability of commercially available kale and arugula while also discovering drivers of consumer liking and barriers to consumer acceptance. Descriptive analysis and consumer testing were completed. The trained panellists (n = 11) were trained for 15 h to evaluate 11 sensory properties relating to the aroma, taste and texture of the kale and arugula. The consumer testing (n = 108) evaluated the leafy greens for overall liking and their liking of taste, aroma, texture and appearance. RESULTS: Results were analyzed using ANOVA, Tukey's HSD and external preference mapping. Approximately half of the attributes for the kale samples were found to be significantly different. Similarly, significant differences in sensory properties were found in most of the arugula samples. Consumers liked the kale and arugula varieties that were sweet and nutty. Also, they preferred arugula that was described as spicy. CONCLUSION: The majority of consumers preferred sweet and nutty leafy greens. Organic growing methods did not affect consumer liking; however, organic labels do positively affect hedonic ratings of a consumer's overall liking of the product. This study also identified that 'Baby' leafy greens are well liked by consumers, and this area of produce should be expanded. © 2021 Society of Chemical Industry.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».