MétaCan
Menu
Retour à la cohorte
Enregistrement W4405978091 · doi:10.29169/1927-5129.2024.20.21

Quality Changes in Nuggets and Frying Oils due to Repeated Deep Frying: A Comprehensive Study

2024· article· en· W4405978091 sur OpenAlexvenueno aff
Zehra Eygü, Şeyma Şişik Oğraş, Hatice Kaya

Notice bibliographique

RevueJournal of Basic & Applied Sciences · 2024
Typearticle
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeep fryingQuality (philosophy)Food scienceEnvironmental scienceChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

In this study, it was aimed to determine the effects of nuggets produced using turkey meat by repeated frying in olive oil under atmospheric and pressure frying conditions on some physicochemical and instrumental texture properties of nuggets and some quality properties (free fatty acid, peroxide value and total polar compound) of frying oil. While pressure frying increased the moisture value of the samples, the moisture values of the samples decreased as the number of frying repetitions increased. A higher TBARS value was determined in atmospheric frying compared to pressure frying (p˂0,01), and the TBARS value of the samples increased as the number of frying repetitions increased. Pressure frying increased the L* and b* values and decreased the a* value in the internal and external surface of the samples (p˂0,05). While the number of frying factor did not cause a significant difference (p˃0,05), on the color values in the internal surface, as the number of frying increased, the L* and b* values of the samples decreased and the a* values increased. While pressure frying process increased the hardness, resilience, cohesiveness, springiness, gumminess and chewiness values in nuggets (p˂0,01), frying method had no significant effect on adhesiveness (p˃0,05). It was determined that the frying method and the number of frying repetitions factors had a very significant effect (p˂0,01) on the free fatty acid, peroxide value and total polar substance content of the oils.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0010,000

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 Opus0,063
Tête enseignante GPT0,349
Écart entre enseignants0,286 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Basic & Applied SciencesMême sujetEdible Oils Quality and AnalysisTravaux en français237 207