Sensorial, textural, and rheological analysis of novel pistachio‐based chocolate formulations by quantitative descriptive analysis
Notice bibliographique
Résumé
Principal component analysis (PCA) was used to investigate the effects of pistachio oil (7.5 and 15%), xanthan gum (0 and 0.3%), distillated monoglyceride (0.5 and 1%), and cocoa butter (7.5 and 15%) on the sensorial descriptors of spread based on pistachio oil. The response variables were the most significant spread texture attributes: hardness, graininess, meltability, adhesiveness to spoon, adhesiveness to mouth, spreadability, fluidity, and oiliness. PCA revealed that the first two principal components explained 90% or more of the variance between the data. The first principal component was dominated by the descriptors' adhesiveness and hardness on the positive side and the descriptors' oiliness and fluidness on the negative side. The descriptor spreadability had a high positive loading on the second principal component. Herschel-Balkley and power law models were fitted to confirm the sensory evaluation results on different formulations. In the current research, the power law model seemed to be more accurate for fitting the samples. In terms of the selected texture attributes determined by the sensory evaluation, using component plot, the optimum combination of variables was found as follows: 15 pistachio oil, 7.5% cocoa butter, 0.3% xanthan gum, and 1% distilled monoglyceride that produced desirable spreads that mimic commercial spread.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».