Arômes poivrés des vins et rotundone : aspect sensoriel, appréciation par le consommateur, impact des facteurs environnementaux, viticoles, et des techniques de vinification
Bibliographic record
Abstract
La rotundone est le principal contributeur à l’arôme poivré des vins rouges. Les travaux menés dans le cadre de cette thèse de doctorat ont permis de faire progresser les connaissances sur cette molécule au niveau sensoriel, sur son appréciation par le consommateur et sur les facteurs environnementaux, viticoles et oenologiques impactant ses niveaux de concentration dans les vins. Une corrélation significative, entre l’intensité des notes poivrées perçues à la dégustation et la concentration en rotundone des vins au sein d’un échantillon composé de 21 vins, a été établie. Le profil de consommation des vins riches en rotundone a également été identifié. Le consommateur préférant les vins poivrés s’apparente à un amateur éclairé possédant un budget par bouteille de vin supérieur aux autres consommateurs. Aucun seuil de rejet n’a pu être établi pour la rotundone et le caractère positif de la molécule a été démontré dans la plupart des cas. Les recherches menées sur l’écophysiologie de la rotundone suggèrent que la production de la molécule a lieu dans la baie et peut être influencée par des facteurs abiotiques (quantité d’eau, niveau éclairement) et biotiques (infection par Erysiphe necator et Botrytis cinerea). La date de récolte, le clone, et quelques pratiques viticoles ont été identifiés comme des leviers possibles pour favoriser l’accumulation de la rotundone dans les vins. Aucune des techniques de vinification et des variables fermentaires testées n’ont permis d’augmenter les niveaux en rotundone des vins en comparaison avec un témoin vinifié traditionnellement. Ceci signifie que les efforts pour maximiser la concentration en rotundone des vins doivent être entrepris dès le vignoble
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".