An Investigation Into Soup With the Addition of Brown Seaweed (<scp><i>Ascophyllum nodosum</i></scp>) and Red Seaweed (<scp><i>Chondrus crispus</i></scp>) Using Nonconsumers of Seaweed
Notice bibliographique
Résumé
ABSTRACT Seaweed has been proposed as an ingredient that can increase the umami taste and saltiness of food items. However, seaweed is not regularly consumed in North America. This study aimed to evaluate how nonconsumers of seaweed (n = 103) perceive the sensory properties and acceptance of soup with brown seaweed (Ascophyllum nodosum) and red seaweed (Chondrus crispus) powder added. The samples include a control soup (without seaweed) and soup with 1.5% and 3% brown seaweed, as well as 1.5% and 3% red seaweed by weight. Furthermore, before evaluating the soup, they were asked to identify the flavors and textures they associate with seaweed. The brown and red seaweed increased the umami and saltiness intensity of the soup, but it also increased the bitterness and sourness. The red seaweed also decreased the sweetness, overall liking, and liking of the soup's flavor. The participants associated seaweed with fishy, salty, and umami flavors and undesirable textures (slimy, tough, chewy). Seaweed increased the umami and salty taste of soup when evaluated by nonconsumers, but it also introduced other tastes to the soup. This study also identified nonconsumers’ beliefs about seaweed and should help create novel food products using seaweed.
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 | 0,001 |
| 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) | 0,002 | 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 ».