MétaCan
Menu
Retour à la cohorte
Enregistrement W3210888699 · doi:10.3390/app112110203

Impact of Ferment Processing Parameters on the Quality of White Pan Bread

2021· article· en· W3210888699 sur OpenAlexaffabout
Yulia Borsuk, Lindsay Bourré, Kasia McMillin, Elaine Sopiwnyk, Stuart Jones, Adam Dyck, Linda Malcolmson

Notice bibliographique

RevueApplied Sciences · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensCanadian International Grains Institute
Organismes subventionnairesnon disponible
Mots-clésFermentationFood scienceTitratable acidChemistryYeastMathematicsBiochemistry

Résumé

récupéré en direct d'OpenAlex

A controlled fermentation process using straight-grade wheat flour, commercially milled from a grist of Canada Western Red Spring (CWRS) wheat and English wheat, and fresh yeast (Saccharomyces cerevisiae) was found to be effective for developing a naturally derived product (ferment) that could be used for processing bread with the minimum use of dough improvers. The effects of ferment storage, fermentation time, and fermentation temperature on the quality of ferment and bread were evaluated to establish optimal conditions to produce a mature ferment. Trials were conducted on a pilot scale for greater relevance to industrialized bakeries. Ferment was assessed for total titratable acidity (TTA), pH, and viscosity. Breads made with ferment were evaluated for processing parameters, dough properties, and bread quality and compared to a control prepared without ferment. During fermentation, maximum TTA levels in the ferment were achieved at 100 min, then decreased by the end of fermentation, and increased by 24 h of storage at 4 °C. Viscosity was stable during fermentation but decreased by 24 h of storage. Inclusion of ferment resulted in reduced mixing times and improved dough extensibility and crumb softness. Specific loaf volume was not impacted; a slight reduction in crumb brightness and crumb structure was detected. Fermentation for 240 min at 35 °C was determined as optimal with a storage time for 24 h.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,191

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,093
Tête enseignante GPT0,355
Écart entre enseignants0,262 · 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

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetFood composition and propertiesTravaux en français237 207