Inkorporasi Maizena dan Tepung Beras ke dalam Penyalut Kacang Disko yang Berbasis Terigu
Notice bibliographique
Résumé
Pengaruh tepung beras dan maizena pada pembuatan kacang disko telah dikaji melalui variasikomposisi penyalut (terigu: maizena: tepung beras), yaitu A (50 persen: 37,5 persen: 12,5 persen), B(50 persen: 25 persen: 25 persen), dan C (50 persen: 12,5 persen: 37,5 persen). Selanjutnya, dilakukankarakterisasi kimia, sensoris, dan fisik terhadap kacang disko. Dilakukan juga uji water absorption capacity(WAC), oil absorption capacity (OAC), serta sifat pasting tepung penyalut. Penelitian menunjukkanbahwa seluruh formula menghasilkan tingkat kesukaan sensoris yang sama. Dari sisi tekstur, formula Amenghasilkan crispness terbesar dan F break terkecil. Sementara, kedua parameter tersebut sama untukformula B dan C. Formula A memiliki fracture yang lebih kecil dari formula C, walaupun tidak berbeda nyatadengan formula B. Kadar abu, protein, dan lemak tertinggi dihasilkan oleh formula C. Formula B memilikikadar protein yang lebih tinggi dari formula A. Namun, formula A memberikan kecerahan dan warna kuningyang lebih tinggi. Formula A memberikan OAC yang paling rendah, walaupun WAC-nya sama denganformula lain. Berdasarkan analisis pasting, formula A memiliki viskositas puncak, viskositas breakdown, danviskositas setback terkecil. Formula B menjadi formula terpilih karena karakter sensoris dan fisiknya yangsama dengan formula A, namun kandungan zat gizinya lebih tinggi dari formula A.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».