Impact of Corn Fiber on the Physicochemical/Technological Properties, Emotions, Purchase Intent and Sensory Characteristics of Gluten Free Bread with Novel Flours
Notice bibliographique
Résumé
Gluten-free products present huge advantages for individuals with gluten intolerance or celiac disease. The most influential strategy to develop a product comparable to wheat-containing gluten products is to promote its nutritional and sensorial attributes. Recently, rice flour and teosinte flour were used to develop gluten-free bread. As a result, this work aimed to compare the physical/technological attributes of bread made with rice flour and teosinte flour with corn fiber fortification and examine consumer acceptance and purchase intent. An extreme vertices mixture design decided that a teosinte flour (43.4%), high protein white rice flour (55%), and high protein brown rice flour (1.6%) ratio of gluten-free flour mixture for bread was best based on the sensory attributes utilized for the desirability function methodology. After optimizing the gluten-free flour mixture, the bread was fortified with corn fiber under 1.7 g and 3.8 g per serving, and it was evaluated to examine its physical/technological attributes, consumer perception, liking, emotions, and purchase intent. Incorporating fiber into gluten-free bread impacted the color and texture, giving lighter and yellower colors with a firmer texture. Likewise, concerning health benefit claims, gluten-free bread with fiber claims only improves the purchase intent and overall liking of bread containing 1.7 g per serving of fiber. The flavor attribute was the main driver for consumers’ purchase decisions. This product could be beneficial for consumers who are seeking fiber in their diet.
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 | 0,000 | 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) | 0,001 | 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 ».