MétaCan
Menu
Retour à la cohorte
Enregistrement W4378226861 · doi:10.3390/foods12112109

Utilization of Intermediate Wheatgrass (Thinopyrum intermedium) as an Innovative Ingredient in Bread Making

2023· article· en· W4378226861 sur OpenAlexaff
Buket Çetiner, Владимир Шаманин, Zeynep Hazal Tekin‐Cakmak, Inna Pototskaya, Filiz Köksel, С. С. Шепелев, Amanzhol N. Aydarov, Bayram Özdemir, Alexey Morgounov, Hamit Köksel

Notice bibliographique

RevueFoods · 2023
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesMinistry of Science and Higher Education of the Russian Federation
Mots-clésIngredientFood scienceGlutenBread makingChemistryWheat flourMathematics

Résumé

récupéré en direct d'OpenAlex

), a nutritionally dense and sustainable crop, is a promising novel ingredient in bakery applications. The main aim of this study was to investigate the potential of IWG as a novel ingredient in breadmaking. The second aim was to investigate the characteristics of breads substituted with 15, 30, 45, and 60% IWG flour compared to control bread produced using wheat flour. The gluten content and quality, bread quality, bread staling, yellow pigment, and phenolic and antioxidant properties were determined. Enrichment with IWG flours significantly affected the gluten content and quality and bread characteristics. Increased levels of IWG flour substitution significantly decreased the Zeleny sedimentation and gluten index values and increased the dry and wet gluten contents. The bread yellow pigment content and crumb b* colour value increased with the increasing level of IWG supplementation. IWG addition also had a positive effect on the phenolic and antioxidant properties. Bread with 15% IWG substitution had the highest bread volume (485 mL) and lowest firmness values (654 g-force; g-f) compared to the other breads, including the control (i.e., wheat flour bread). The results indicated that IWG has great potential to be used in bread production as a novel, healthy, and sustainable ingredient.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,652
Score d'incertitude au seuil0,516

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,349
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations27
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetFood composition and propertiesTravaux en français237 207