Temporal ranking for characterization and improved discrimination of protein beverages
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
Abstract We propose a new temporal sensory method called temporal ranking (TR) in which assessors indicate and rank the three most noticeable sensations at every time point. The TR method was compared to temporal‐check‐all‐that‐apply (TCATA) in two trained‐panel studies, one study involving six ready‐to‐mix (RTM) protein beverages and one study involving seven ready‐to‐drink (RTD) protein beverages. In each study, the same attributes were used in both methods; six attributes were evaluated for RTMs and 10 attributes for RTDs. A trained sensory panel ( n = 10) completed TCATA and temporal ranking (TR) training exercises, then evaluated each beverage in triplicate using each method in a replicated balanced randomized design. To evaluate each temporal method (TR and TCATA), each test beverage was compared with the sucrose‐ or sucralose‐sweetened control beverage within each study (RTM and RTD). Although results from TR and TCATA often coincided, TR better differentiated the protein beverage formulations on more sensory attributes and detected differences between the test and control beverages ( p < .05) when TCATA did not. Overall, TR was found to be more sensitive in detecting sensory differences than TCATA, and thus could improve the guidance for the development and formulation of foods. Practical applications This study proposes a new temporal method, temporal ranking, which has assessors continuously rank the three most noticeable attributes when evaluating a beverage. Temporal ranking data can give improved guidance, especially for products that might have side flavors, such as natural nonnutritive sweeteners or alternative protein sources. Further application of findings and methodologies from this study may help guide development and formulation of foods.
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 | 0,001 | 0,000 |
| 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 découle