Sensory descriptors for pulses and pulse‐derived ingredients: Toward a standardized lexicon and sensory wheel
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The organoleptic quality of pulses and their derived ingredients is fundamental in human utilization and evolution of food. However, the widespread use of pulses is hindered by their inherent sensorial aspects, which are regarded as atypical by the consumers who are unfamiliar to them. In most studies involving sensory assessment of pulses and pulse-ingredients using classical descriptive analysis methods, assessors establish their own lexica. This review is a synthesis of descriptive terms by which sensations emanating from pea, chickpea, lentil, faba bean, dry bean, bambara groundnut, lupin, pigeon pea and cowpea, and their derived ingredients have been described in the literature. Studies involving sensory assessment of processed whole seeds, slurries of raw flour, slurries of protein extracted from raw flour, and food products containing components of pulses were considered. The terms are categorized into those denoting basic taste, aroma, flavor, and trigeminal sensations. Bitterness is the most widely perceived basic taste. Beany, which is broad and complex with subcharacter notes, is predominantly used to describe aroma and flavor. The frequency of use of the collated terms in the reviewed studies was used to establish a sensory wheel. Inconsistency in the use of descriptive terms in the literature necessitates establishment of a standard lexicon that can be applied in both classical and increasingly popular rapid descriptive methods (e.g., check-all-that-apply) throughout the pulse value chain. This review is timely considering the dominance of pulses in plant-based foods and their increasing appeal to the food 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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle