MétaCan
Menu
Retour à la cohorte
Enregistrement W4288884615 · doi:10.5539/jfr.v11n3p47

Gluten-Free Crackers Preparation

2022· article· en· W4288884615 sur OpenAlexvenueno aff
Gamal Saad El-Hadidy, Hala H. Shaban, Wael Mospah Mospah

Notice bibliographique

RevueJournal of Food Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCeliac Disease Research and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood scienceRice flourGluten freeGlutenWheat flourRaw materialMathematicsChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The present work was carried out to prepare gluten free crackers of high quality for celiac ailment patients. Gluten free crackers prepared from rice flour, lentil flour and quinoa flour is an innovative and highly nutritious snacks produce. The chemical analyzed included as minerals and amino acids of broken rice, lentil and quinoa flour and its blends was estimated. Then, chemical composition for gluten free crackers blends was estimated and the results presented that ash, crude protein, fat and fiber contents were higher in all blends prepared using rice flour, quinoa flour and lentil flour than that blend prepared using rice flour. All sensory parameters of free gluten crackers samples B2, B3, B4 and B5 prepared using rice flour, lentil flour, and quinoa flour were somewhat higher than crackers prepared from rice flour B1. Hardness decreased from 74.97 newton in blend (1) made from 100% rice flour to 35.19 newton in blend (5) made from 50% rice flour, 25% lentil flour and 25% quinoa flour. Finally, it could make some bakery products using raw materials free of gluten like rice flour, lentil flour and quinoa flour with high quality that are suitable for celiac ailment patients.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,096
Tête enseignante GPT0,439
Écart entre enseignants0,343 · 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'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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetCeliac Disease Research and ManagementTravaux en français237 207