Sensory evaluation of Cabernet franc wines in the Niagara Peninsula.
Notice bibliographique
Résumé
Le but de cette etude etait de developper une methodologie sensorielle pour la caracterisation des vins de Cabernet franc des vignes typiques a moins de dix sous-appellations dans la peninsule de Niagara (Ontario, Canada). Neuf (2005) et huit (2006) vins experimentaux de Cabernet franc de peninsule de Niagara ont ete analyses pour illustrer les differences qui pourraient soutenir le systeme de sous-appellation de Niagara. Douze juges qualifies ont evalue six aromes (fruit rouge, griotte, cassis, poivre noir, paprika, et haricot vert), et trois descripteurs gustatifs (astringence, amertume et acidite) attributs sensoriels de l'effet dans la bouche comme l'intensite de couleur. L'analyse de la variance (ANOVA) des donnees sensorielles dans 2005 a montre des differences regionales pour tous les attributs sensoriels analyses. En 2006, l'ANOVA des donnees sensorielles a prouve que tous les attributs, excepte l'arome de poivre noir, etaient differents. Les vins de Lakeshore et ceux pres du fleuve Niagara ont montre un arome plus eleve de paprika et des saveurs d'haricot vert dus aux conditions croissantes de fraicheur a proximite des grandes eaux superficielles. Ces donnees indiquent qu'il y a une probabilite de differences sensorielles substantielles entre les differentes sous-appellations dans la peninsule de Niagara.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».