Downstream strategies of liquid smoke products as a preservative and smoke aroma in fishery products
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Smoked fish is a fishery product that meets the nutritional needs of the population. The traditional smoking method leads to the production of H2S, which reduces the aroma and is carcinogenic. The liquid smoke technology offers a solution to the challenges associated with the application of traditional smoking methods. However, the use of the liquid smoke method remains limited in smoked fish businesses. This study aimed to evaluate and develop a downstream strategy for producing and distributing liquid smoke to facilitate its implementation by smoked fish businesses based on SWOT analysis. This study employed a quantitative descriptive methodology utilizing the strengths, weaknesses, opportunities, and threats (SWOT) analytical framework. The data were collected through interviews and questionnaires. The obtained data were subjected to weight calculations using the Expert Choice tool. The research findings indicate that the optimal approach for developing downstream liquid smoke products is to create a novel product in the form of liquid smoked fish. Liquid-smoked fish are immersed in or coated with liquid smoke to achieve an extended shelf life and smoky aroma, without traditional smoking methods. In addition, it establishes a strategic alliance between scholars, entrepreneurs, and the government. Strategic relationships can be established by developing a shared agenda focusing on fostering a sustainable blue economy. The blue economy refers to the use of hygienic, healthy, and non-carcinogenic fishing products such as smoked fish to promote sustainable economic growth and enhance community welfare.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle