بررسی اثر اسانس شیره درخت بنه بر خواص فیزیکوشیمیایی، میکروبی و حسی پنیر کوزهای
Bibliographic record
Abstract
زمینه مطالعاتی: در دو دهه اخیر تمایل به مصرف محصولات لبنی سنتی به دلیل تأثیرات سوء ناشی از نگهدارندههای شیمیایی بر سلامتی انسان به طور چشمگیری افزایش پیدا کرده است. یکی از مشکلات رایج پنیرهای سنتی مثل پنیرهای کوزه، آلودگی میکروبی به سالمونلا، اشرشیاکلی، استافیلوکوکوس اورئوس کوآگولاز مثبت و لیستریا منوسیتوژنز میباشد. روش کار: هدف از این پژوهش بررسی تأثیر افزودن اسانس صمغ بنه در غلظتهای 1، 5/1، 2 و 5/2 درصد به فرمولاسیون پنیر کوزهای و مقایسه خواص فیزیکوشیمیایی، ضد میکروبی و حسی آنها با نمونه شاهد طی 60 روز نگهداری بود. نتایج: نتایج نشان داد غلظتهای مختلف اسانس صمغ بنه اثر معنیداری بر میزان پروتئین، چربی، ماده خشک، خاکستر و نمک نمونههای پنیر نداشت. استفاده از اسانس صمغ بنه و افزایش غلظت آن منجر به افزایش اسیدیته و کاهش معنیدار )05/0≥(p pH و بار میکروبی گردید. نتایج ارزیابی حسی نشان داد افزودن اسانس صمغ بنه و افزایش غلظت آن تا 2 درصد اثر معنیداری روی امتیاز بافت، بو، مزه و پذیرش کلی نداشت ولی در غلظتهای بالاتر از 2 درصد، پذیرش کلی تیمارها به صورت معنیداری کاهش یافت. نتیجهگیری نهایی: مطابق با نتایج تیمار حاوی 2 درصد اسانس صمغ بنه از نظر خواص حسی تفاوت معنیداری با نمونه شاهد نداشت (05/0< p) و از نظر بار میکروبی کمتر از نمونه شاهد و در محدوده قابل پذیرش استاندارد بود و به عنوان تیمار برتر انتخاب گردید.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.115 | 0.081 |
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".