MétaCan
Menu
Retour à la cohorte
Enregistrement W3200785607

ENCROACHMENT AND INVESTIGATION IN CANNED OR PRESERVED VEGETABLES

2019· article· en· W3200785607 sur OpenAlexvenueno aff
Bisma Munir, Hajira Sameen

Notice bibliographique

RevueAdvanced Food and Nutritional Sciences · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood spoilagePasteurizationFood processingShelf lifeFood industryFood safetyFood preservationCritical control pointBusinessProduct (mathematics)Food scienceEnvironmental scienceMathematicsChemistryBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Food preservation has been practiced by humans through fermentation, salting and drying. The industrialization of food manufacture brought processes like canning and freezing to control microbial safety and enzymatic spoilage of foodstuffs. In the previous couple of days, preservation industry does bunches of unwanted things i.e. preserving un-fresh food due to which consumers were avoiding preserved food. Contaminated preserved food can cause lots of diseases i.e. Botulism, a deadly illness caused by Clostridium botulinum, found in soil and can grow when the food is improperly canned. Due to such drastic conditions, preservation industry attempt to make some headway in canned and preserved food. Pasteurization, vacuum packing, refrigeration, filtration are some common methods which are employed in food industry. A modern technique is introduced by food industry which is Processing Method. Minimal processing technologies are modern techniques that provide sufficient shelf life to foods to allow their distribution, while also meeting the demands of the consumers for convenience and fresh-like quality. Minimal-processing technologies can be applied at various stages of the food distribution chain. Minimal processing of raw vegetables has two purposes. Firstly, it is important to keep the product fresh, but convenient. Secondly, the product should have sufficient shelf-life to make distribution feasible within the region of consumption.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,348
Score d'incertitude au seuil0,123

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)0,0000,000

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 Opus0,021
Tête enseignante GPT0,229
Écart entre enseignants0,208 · 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'étudeObservationnel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Food and Nutritional SciencesMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207