FARKLI DONDURMA VE ÇÖZÜNDÜRME YÖNTEMLERİ İLE ÖN İŞLEM UYGULAMALARININ MANDALİNA VE ÇİLEKTE KALİTE ÖZELLİKLERİ ÜZERİNE ETKİLERİ
Bibliographic record
Abstract
Bu çalışmada mandalina ve çileğin, dondurulması ve çözündürülmesi aşamasında uygulanan ön işlemlerin, dondurma ve çözündürme yöntemlerinin son ürün kalitesi üzerine etkisi incelenmiştir. Ön işlem olarak sakkaroz ve sitrik asit çözeltilerine daldırma işlemi uygulanırken, donma yöntemi olarak hızlı donma (IQF, -15ºC) ve konvansiyonel statik yöntemler (-18ºC ve -24ºC) uygulanmıştır. Çözündürme işlemi ise ev tipi buzdolabında (4ºC, 4 saat) ve mikrodalga fırında (2 dak) gerçekleştirilmiştir. Dondurma işlemi öncesi sakkaroz çözeltisine daldırılmış örneklerin renk ve dokusal özellikleri gelişirken, donma sonrası çözünme kayıpları azalmıştır. Ön işlem olarak sitrik asit çözeltisine daldırılmış örneklerin ise çözünme sonrası C vitaminini daha iyi koruduğu belirlenmiştir. Hızlı donma, çözünme kaybını konvansiyonel yöntemlere göre oldukça azaltmıştır. Mikrodalga çözündürme işlemi ise çözünme kaybı açısından buzdolabında çözündürme işlemine göre daha avantajlıdır. Hızlı dondurma yöntemi zaman ve kalite kayıplarını azaltmasıyla öne çıkmaktadır.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
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".