MétaCan
Menu
Back to cohort
Record W7120814514

Use of artificial saliva during the instrumental analysis of texture of expanded snacks for correlating with sensory analysis

2021· dissertation· pt· W7120814514 on OpenAlexaboutno aff
Julaísa Scarpin Guazi

Bibliographic record

VenueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 2021
Typedissertation
Languagept
FieldAgricultural and Biological Sciences
TopicSensory Analysis and Statistical Methods
Canadian institutionsnot available
Fundersnot available
KeywordsSalivaTexture (cosmology)Sensory analysisSnack foodChewing gum
DOInot available

Abstract

fetched live from OpenAlex

A textura é um atributo sensorial crítico para os snacks expandidos. A correlação entre a textura instrumental e sensorial destes produtos foi anteriormente estudada. No entanto, a utilização de saliva artificial pode alterar as correlações observadas, uma vez que pode aproximar a análise instrumental a algumas condições da cavidade oral durante a mastigação humana. Assim, o objetivo deste trabalho foi avaliar a contribuição da saliva artificial durante a análise instrumental de textura de snacks expandidos, a fim de correlacionar com a análise sensorial. Cinco formatos de snacks expandidos (concha, cilíndrico, anel, pellet e bolinha) de três marcas comerciais foram selecionados, totalizando treze amostras. Inicialmente foi feito um estudo com voluntários para investigar a incorporação de saliva humana ao bolo alimentar durante a mastigação de snacks expandidos, a fim de determinar a quantidade de saliva artificial a ser utilizada durante a análise instrumental. Com isso, determinou-se a utilização de 1,1 mL de saliva artificial para cada snack expandido com tempo de contato de 7 s. Assim, as análises de textura instrumental foram realizadas com diferentes probes para medir as propriedades de força e acústicas dos snacks, os quais foram submetidos a diferentes tratamentos (sem saliva artificial, com aplicação de 1,1 mL de saliva artificial e imersão da amostra em saliva artificial). A textura dos snacks também foi avaliada por meio de análise descritiva e quanto à aceitação sensorial por meio de escala hedônica estruturada de nove pontos. No geral, a maioria dos probes diferenciou significativamente as amostras quando avaliadas sem saliva e com saliva artificial, sendo que, na grande maioria dos casos, houve redução nos valores das propriedades de textura instrumental após a aplicação da saliva artificial, e os valores com imersão da amostra na saliva foram ainda menores do que com aplicação da saliva artificial. Os snacks tiveram boa aceitação sensorial em relação à textura, sendo que produtos com alta adesividade foram menos aceitos, indicando que este atributo é um fator crítico e determinante para a aceitação da textura geral de snacks expandidos. A utilização da saliva artificial resultou na eliminação de algumas correlações e ao mesmo tempo gerou novas correlações entre as análises instrumentais e sensoriais para todos os probes. No entanto, os probes three point bending e Ottawa com base 17 blades destacaram-se dentre os demais, visto que ambos aumentaram expressivamente as correlações entre os resultados sensoriais e instrumentais quando utilizados em conjunto com a saliva artificial. Assim, conclui-se que a saliva artificial contribui para a obtenção de correlações entre as análises sensoriais e instrumentais de textura, e que a escolha das condições instrumentais a serem utilizadas dependerá do atributo sensorial que se deseja investigar.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.002
Threshold uncertainty score0.008

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0000.001
Scholarly communication0.0010.001
Open science0.0000.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.001

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.

Opus teacher head0.044
GPT teacher head0.281
Teacher spread0.237 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas)Same topicSensory Analysis and Statistical MethodsFrench-language works237,207