MétaCan
Menu
Retour à la cohorte
Enregistrement W4232414171 · doi:10.1002/047167849x.bio080.pub2

Emulsifiers for the Food Industry

2020· other· en· W4232414171 sur OpenAlexaff
Clyde E. Stauffer, Priyatharini Ambigaipalan, Fereidoon Shahidi

Notice bibliographique

RevueBailey's Industrial Oil and Fat Products · 2020
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésEmulsionPhase (matter)PolymerAmphiphileChemical engineeringAqueous two-phase systemSurface energyAqueous solutionChemistryPolarMixing (physics)Organic chemistryMaterials sciencePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Emulsifiers are widely used in the food industry. Emulsions are thermodynamically unstable systems consisting of two immiscible phases, such as oil and water, which could be in the form of either oil‐in‐water (o/w) emulsion or water‐in‐oil (w/o) emulsion. Putting mechanical energy into the system (e.g. by mixing) in a way that subdivided one phase will increase the total amount of interfacial area and energy. Thus, the lower the amount of interfacial free energy per unit area, the larger the amount of new interfacial area that can be created for a given amount of energy input. The subdivided phase is called the dispersed phase, and the other phase is the continuous phase. Emulsifiers are more concentrated in the interfacial region than in the bulk solution phase that is amphiphilic in nature, with the lipophilic (or hydrophobic) part of the molecule preferring to be in a lipid (nonpolar) environment and the hydrophilic part preferring to be in an aqueous (polar) environment. Examples of emulsifiers are phospholipids, proteins, polysaccharides, and other surface‐active polymers. This article emphasizes the thermodynamic approach of emulsion and emulsifiers as well as their industrial food applications in detail.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0400,015

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 Opus0,089
Tête enseignante GPT0,235
Écart entre enseignants0,146 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBailey's Industrial Oil and Fat ProductsMême sujetProteins in Food SystemsTravaux en français237 207