CARACTERIZAÇÃO FÍSICA, QUÍMICA E SENSORIAL DE BISCOITOS CONFECCIONADOS COM FARINHA DE SEMENTE DE ABÓBORA (FSA) E FARINHA DE SEMENTE DE BARU (FSB) PARA CELÍACOS
Bibliographic record
Abstract
Objetivou-se utilizar farinha de semente de abóbora (FSA) e farinha de semente de baru (FSB) na confecção de biscoitos para celíacos e avaliar suas propriedades físicas, químicas, físico-químicas e sensoriais. Confeccionaram-se três tipos de biscoitos por modificação da formulação padrão (P), com substituição parcial do polvilho doce pela FSA (A) e FSB (B) em 10%. As análises físicas dos biscoitos foram determinadas pelos procedimentos descritos no método 10-50D da American Association of Cereal Chemists . As características químicas e físico-químicas seguiram metodologias propostas pelo Instituto Adolfo Lutz. A avaliação sensorial foi realizada por dois testes: um de aceitabilidade (teste afetivo) com escala hedônica de 9 pontos, e outro de comparação múltipla (teste discriminativo), em blocos completos balanceados casualizados. Os dados foram submetidos a análise de variância e testes de média de Tukey e de Dunnett a 5% de significância. Constatou-se que o biscoito B diferiu (p< 0,05) da fórmula controle, quanto a algumas características físicas como peso antes e pós-cocção, espessura, comprimento e largura pós-cocção. Os biscoitos diferiram (p<0,05) da formulação controle quanto ao rendimento, volume e índice de expansão, e também apresentaram maior valor para umidade, cinzas, lipídios e fibras. O biscoito B teve boa aceitação em todos os atributos. No teste discriminativo, o biscoito B obteve melhores notas. Conclui-se que a adição parcial de FSA e FSB melhora o valor nutricional dos biscoitos, pois aumenta a fibra alimentar, proteínas, minerais e lipídios, mas, sensorialmente, o FSB apresentou melhores resultados, demonstrando a possibilidade de utilização dessas farinhas em formulações de biscoitos para celíacos, em nível doméstico e industrial. DOI: http://dx.doi.org/10.12957/demetra.2014.13301
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".