MétaCan
Menu
Retour à la cohorte
Enregistrement W4384203779 · doi:10.1002/cche.10699

The entrainment and evolution of gas bubbles in bread dough—A review

2023· article· en· W4384203779 sur OpenAlexafffund
Xinyang Sun, Martin G. Scanlon, Michael T. Nickerson, Filiz Köksel

Notice bibliographique

RevueCereal Chemistry · 2023
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of SaskatchewanUniversity of Manitoba
Organismes subventionnairesInstitute of Nutrition, Metabolism and DiabetesNatural Sciences and Engineering Research Council of CanadaJiangsu Agricultural Science and Technology Innovation FundNatural Science Foundation of Jiangsu ProvinceGovernment of Jiangsu ProvinceCanadian Institutes of Health ResearchChina Scholarship CouncilWestern Grains Research Foundation
Mots-clésLeavening agentBubbleCoalescence (physics)ChemistryFood scienceEntrainment (biomusicology)Bread makingMechanicsFermentationPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Background and Objective For control of bread quality to achieve high loaf volume and uniform crumb structure, gas bubble dynamics in dough needs to be better understood throughout different breadmaking processes. The objective of this review was to establish a solid theoretical basis on how flour type, water and salt content, and mixing conditions affected the incorporation, evolution, and stabilization of gas bubbles in a dough. Findings Bubble dynamics including entrainment, disentrainment, break‐up, disproportionation, growth, and coalescence were outlined and their effects on the gas phase of the dough were assessed. The application, advantages, and disadvantages of microscopy, magnetic resonance imaging (MRI) and X‐ray microtomography techniques for qualitatively or quantitatively characterizing the void fraction and bubble size distribution (BSD) in the dough at various stages of the breadmaking process have been discussed. Conclusions Since the BSD evolution in bread dough is associated with the quality of the resultant products, to devise strategies for improving the product quality, dough formulation, and mixing conditions need to be considered. Significance and Novelty Due to the obvious challenges of monitoring the fast evolution of BSD in yeasted dough, future research needs to focus on the effects of yeast activity on dough's BSD.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,157

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,013
Tête enseignante GPT0,248
Écart entre enseignants0,234 · 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'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

Citations24
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCereal ChemistryMême sujetFood composition and propertiesTravaux en français237 207