Dergiler / Gıda / 2019 / Cilt: 44 - Sayı: 3

MARMARA BÖLGESİNDE YENİ BİR TATLI TARİFİ İÇİN LEZZET BİLEŞİKLERİ AĞ ANALİZİNİN KULLANIMI

UTILIZATION OF FLAVOR NETWORK ANALYSIS FOR A NEW RECIPE IN MARMARA REGION

Dergi
Gıda
Sayfa
396–408
Yayın Tarihi
2019-05-15
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Ortak bileşiklerden sekiz tanesinin dört malzemede de bulunduğu ve şaşırtıcı bir şekilde birbiriyle benzer tat ve koku maddeleri içerdiği görüldü ki bu da lezzet eşleştirme teorisinin bu bölgedeki yeni bir tarif için kullanılabildiğini göstermektedir. 9-noktalı hedonik skala testine göre, 20 panelistin %80’i ‘Fevkalade beğendim’ seçeneğini işaretlemiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Doğal lezzet bileşikleri gıda malzemelerine karakteristik tat ve koku özelliklerini vermektedir.
📊
Temel Bulgular & Veri:Bu çalışmada, Marmara Bölgesi’nde yeni bir tarif oluşturmak için, malzemeler içerdikleri ortak bileşik sayısına göre değerlendirilip tat bileşikleri ağ analizi metodu kullanıldı.
💡
Sonuç & Katkı:Ortak bileşiklerden sekiz tanesinin dört malzemede de bulunduğu ve şaşırtıcı bir şekilde birbiriyle benzer tat ve koku maddeleri içerdiği görüldü ki bu da lezzet eşleştirme teorisinin bu bölgedeki yeni bir tarif için kullanılabildiğini göstermektedir. 9-noktalı hedonik skala testine göre, 20 panelistin %80’i ‘Fevkalade beğendim’ seçeneğini işaretlemiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Ağ analizi · lezzet bileşikleri · yeni tarif

Özet

Doğal lezzet bileşikleri gıda malzemelerine karakteristik tat ve koku özelliklerini vermektedir. Gıda eşleştirme teorisine göre, yüksek sayıda ortak lezzet bileşiği içeren gıda malzemeleri birbiriyle uyum içerisinde güzel tat veren bir yemek oluşturabilir. Bu çalışmada, Marmara Bölgesi’nde yeni bir tarif oluşturmak için, malzemeler içerdikleri ortak bileşik sayısına göre değerlendirilip tat bileşikleri ağ analizi metodu kullanıldı. Yüksek sayıda ortak bileşik içeren eşleştirmelerden pirinç, süt, kuru fasulye ve incir malzemelerini ihtiva eden yeni bir tatlı geliştirildi. Ortak bileşiklerden sekiz tanesinin dört malzemede de bulunduğu ve şaşırtıcı bir şekilde birbiriyle benzer tat ve koku maddeleri içerdiği görüldü ki bu da lezzet eşleştirme teorisinin bu bölgedeki yeni bir tarif için kullanılabildiğini göstermektedir. 9-noktalı hedonik skala testine göre, 20 panelistin %80’i ‘Fevkalade beğendim’ seçeneğini işaretlemiştir. Lezzet bilimi ve gıda eşleştirme teorisinin bilinmesi, tüketimi çok tercih edilen yeni gıda formülasyonlarının geliştirilmesi imkânını bize verebilecektir.

Abstract

Natural flavor compounds give natural taste and odor characteristics to the food ingredients. According to food pairing theory, ingredients that contain higher number of shared flavor compounds go well together in a dish. In this study, flavor network analysis was used to create a new food in Marmara Region by evaluating the ingredient pairs based on number of shared compounds. A new dessert with four main ingredients, rice, milk, bean and figs that shared higher number of flavor compounds was formulated. Among the flavour compounds, eight of them were common in all four ingredients and they interestingly had similar taste and odor characteristics which showed how flavor pairing worked well in design of new dish. According to 9-point hedonic scale of consumer preference test, 80% of 20 panelists extremely liked the dish. Knowledge on flavour science and food pairing theory will pave the way to create highly preferable food formulations.

🔖

Bu Makaleye Atıf Yap

OZTURK, B., ZEYREKCE, B. (2019). MARMARA BÖLGESİNDE YENİ BİR TATLI TARİFİ İÇİN LEZZET BİLEŞİKLERİ AĞ ANALİZİNİN KULLANIMI. Gıda, Cilt: 44 - Sayı: 3, 396–408. https://ajindex.com/articles/39105

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Ahn, Y., Ahnert, S. E., Bagrow, J. P., Barabâsi, A. (2011). Flavor network and the principles of food pairing. Sci Rep, 1(196): 1-7.
  2. Ahnert, S.E. (2013). Network analysis and data mining in food science: the emergence of computational gastronomy. Flavour, 2(4): 1-3.
  3. Akkor, M. Ö. (2009).
  4. Bursa Mutfagi, Türkiye İş Bankasi Yayinlari, Istanbul. Barabási, A., Gulbahce, N., Loscalzo, J. (2011). Network medicine: A network-based approach to human disease. Nat Rev Genet, 12(1): 56–68.
  5. Bayrak, M. F. (2015). Soframda Anadolu Marmara Yemekleri. Alfa Basim Yayim Dağitim San. ve Tic. Ltd. Sti., Istanbul. Blumenthal, H. (2009).
  6. The Fat Duck Cookbook, UK Ed. Bloomsbury Publishing PLC, London, United Kingdom. Bogojeska A., Kalajdziski S., Kocarev L. (2016). Processing and analysis of Macedonian cuisine and its flavours by using online recipes. In: Loshkovska S., Koceski S. (Eds), ICT Innovations 2015. Advances in Intelligent Systems and Computing, vol 399, (pp 143-152).
  7. Springer, Cham, Switzerland. Borgatti, S.P, Mehra, A., Brass, D.J., Labianca, G. (2009). Network analysis in the social sciences. Science, 323(5916): 892-895.
  8. Bozis, S. (2002). Istanbul lezzeti. (2nd Ed.). Tarih Vakfi Yurt Yayinlari, Istanbul. Burdock, G.A. (2009). Fenaroli’s handbook of flavor ingredients. (6th Ed.). CRC Press,
  9. Bosa Roca, United States. Dornenburg, A. and Page, K. (2008). The Flavor Bible. (2nd Ed.). Litte, Brown and Company, Hachette Book Group, New York. Dunne, J. A., Williams, R. J., Martinez, N. D. (2002). Network structure and biodiversity loss in food webs: robustness increases with connectance. Ecol Lett, 5(4): 558–567.
  10. Ergün Öztürk, Ö. and Öztürk, B. (2018). An ontology based Semantic Representation for Turkish Cuisine.26th IEEE Signal Processing and Communications Applications Conference, 1-5
  11. May, Cesme- Izmir, Turkey. Geissbauer, R., Vedso, J., Schrauf, S. (2016). Industry 4.0: Building the digital enterprise. PWC. 2016 Global Industry 4.0 Survey. Ghaswala, D., Kundalia, H., Shah, N. (2018). Bon vivant: an artificial intelligence cooking app. Int J of Sci Eng, 3(1): 170-174.
  12. Habibi, I., Emamian, E. S., Abdi, A. (2014). Quantitative analysis of intracellular communication and signaling errors in signaling networks. BMC Syst Biol, 8(89): 1-15.
  13. Halici, N. (1990).
  14. Türk Mutfagi, Güven Matbaasi, Ankara.
  15. Higgins, K.T. (2017). Artificial intelligence and other advances in industrial baking. Food Processing, https://www.foodprocessing.com/articles/2017/artificial-intelligence-industrial-