MétaCan
Menu
Retour à la cohorte
Enregistrement W4365505927 · doi:10.47402/ed.ep.c202321614686

ANÁLISE DA CINÉTICA DE SECAGEM DO FRUTO MELÃO DE SÃO CAETANO (MOMORDICA CHARANTIA L.)

2023· book-chapter· pt· W4365505927 sur OpenAlexaff
Luan Gustavo Santos, Alessandra Telis dos Santos, Edmur Gustavo Cabral Scatena, Janaina Dos Reis Bondezan, Karla Fernanda Felette, Tuliana Lorraine Custódio Machado, Raquel Manozzo Galante, Leandro Osmar Werle

Notice bibliographique

RevueEditora e-Publicar eBooks · 2023
Typebook-chapter
Languept
DomaineAgricultural and Biological Sciences
ThématiqueBanana Cultivation and Research
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésMomordicaBiologyHumanitiesArtTraditional medicineMedicine

Résumé

récupéré en direct d'OpenAlex

O melão São Caetano (Momordica charantia L.) é uma planta alimentícia não convencional rica em compostos bioativos.Seus frutos apresentam capacidade funcionais, capazes de serem eficazes no tratamento de doenças degenerativas.No entanto, seus frutos possuem uma baixa vida-útil devido sua composição rica em água, a qual promove oxidação e degradação.Neste contexto, a secagem quando aplicadas em produtos agroindustriais favorece na preservação do produto, redução do tamanho e redução de atividade biológicas e bioquímicas de produtos agroindustriais.Portanto, este trabalho tem como objetivo avaliar o comportamento cinético da secagem de fatias de melão São Caetano nas temperaturas de 60 e 70 ºC e definir um modelo matemático que represente este processo.O aumento da temperatura de secagem de 60 para 70 ºC promoveu a redução de 30 min do processo, a qual está associada ao aumento da difusividade de 1,581 x 10 -9 para 1,641 x 10 -9 m² s -1 .Além disso, o modelo de Midilli melhor se ajustou aos dados cinéticos, sendo capaz de predizer o processo de desidratação das fatias de melão São Caetano.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,057
Tête enseignante GPT0,275
Écart entre enseignants0,218 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueEditora e-Publicar eBooksMême sujetBanana Cultivation and ResearchTravaux en français237 207