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
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
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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