Debunking the Rumoured Water Test for Honey Purity Testing
Notice bibliographique
Résumé
Honey fraud is a major threat to the global honey market. Because of this, most honeysold in Canada is tested in laboratories using complex technologies such as DNA barcoding.But for people at home without access to professional laboratories, online websites provideDIY tests that claim to detect honey adulteration. One of these online tests called “the watertest” claims to be able to detect honey adulteration using just water. The water test claims thatadulterated honey, unlike pure honey, will dissolve in water upon stirring. Our study aims toassess the authenticity of the water test, by examining whether it can detect water and cornsyrup adulteration in honey samples. We hypothesised that the honey test will be able todetect honey adulterated with corn syrup and water. To test our hypothesis, we had 4treatments: pure honey, pure corn syrup, honey adulterated with water and honey adulteratedwith corn syrup. We stirred the 15 grams of the treatment into water and weighed the samplesafterwards to see if it dissolved. We found that after performing the test, the pure honeysample lost 0.016% of its weight, the pure corn syrup sample lost 7.97%, the honey and cornsyrup sample lost 5.00%, and the honey and water sample lost 63.75% of its weight. Afterrunning the Kruskal-Wallis test and Tukey multiple comparisons test, we found that the watertest could strongly detect honey that was adulterated with water but struggled to detect honeythat was adulterated with corn syrup.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».