Culinary Treatments Affect Sensory Attributes and Consumer Preference for Sweet Potato Cultivars
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
Food quality and taste preference are important factors influencing the production and adoption of sweet potato (Ipomea batatas L.) cultivars in a specific growing region. There is very limited published information available on the sensory attributes and quality profile of sweet potato cultivars grown in Canada, even though there is a substantial increase in both production and consumption over the last few years. This study analyzed five different culinary treatments on sweet potato sensory attributes along with taste preferences. Oven-baked, boiled, fried, steamed and mashed culinary treatments were found significantly different (P < 0.05) for mealiness, sweetness and for taste profiles. Sweet potato cultivars were significant different (P < 0.05) for taste and sweetness attributes. A non-significant difference was recorded for interaction between culinary treatments and the tested cultivars for bitterness, mealiness, sweetness and taste profile. Expert panel preferences significantly differed (P < 0.05) for boiled, fried and steamed culinary treatments for tested cultivars, whereas, no difference was observed for oven-baked and mashed sweet potatoes. Boiled, fried, steamed and mashed culinary treatments for ‘Covington’ were most liked by the panelists, followed by ‘Radiance’. These sensory analysis and preferences of tested sweet potato cultivars can provide a reference for the food processing industry in preparing sweet potatoes for Canadian consumer consumption and the study outcomes can be used to guide sweet potato variety development for specific quality traits.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 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