The Product Acceptance Preferences of Gayo Arabica Coffee Brewing with Additional Fruit and Spices Variants
Notice bibliographique
Résumé
There have been significant changes to coffee-drinking cultures worldwide regarding how and where to consume coffee. The increase in coffee enthusiasts, how to enjoy coffee is also growing, starting from the addition of milk, chocolate, and various kinds of mixtures that follow existing local trends and wisdom. The purpose of this study is to analyze the product acceptance preferences of Gayo arabica coffee brewing with additional fruit and spices variants using the Simple Additive Weighting (SAW) method. In this study, there were 5 products analyzed, namely a mixture of espresso with sap (nirapresso), a mixture of espresso with sweet orange (orangepresso), a mixture of espresso with lime (limaupresso), a mixture of espresso with lemongrass (serehpresso) and a mixture of espresso with nutmeg (palapresso). The espresso used in this study was 30 ml, with the addition of fruit and spice extracts of 30 ml, 45 ml, and 60 ml for each product. The results showed that the panellists had different preferences for each alternative type of brewing. The alternatives of each product were obtained that nirapresso had the highest acceptance preference for the addition of 45 ml of sap, orangepresso with the addition of 60 ml of sweet orange, lime with the addition of 60 ml of lime, lemongrass with the addition of 60 ml of lemongrass, and palapresso with the addition of 30 ml of nutmeg.
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 | 0,001 | 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 | 0,000 | 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) | 0,002 | 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 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 ».