MétaCan
Menu
Retour à la cohorte
Enregistrement W1574014484

Buitenbeentjes en boegbeelden; advies over megabedrijven in de Nederlandse land- en tuinbouw

2006· article· nl· W1574014484 sur OpenAlexaboutno aff
H.J. Silvis, G Borger, J.T.G.M. Koolen, M.D.A.M. van der Laan-Veraart, G.W. van Montfrans-Hartman, F. C. Prillevitz, P. Levelink, C. van Bruchem, Thomas Hermans, H.B. van den Kerkhof, Dirk Strijker

Notice bibliographique

RevueSocio-Environmental Systems Modeling · 2006
Typearticle
Languenl
DomaineEnvironmental Science
ThématiqueEnvironmental Conservation and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysicsArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Het rapport wordt afgesloten met bedrijfsrapportages. 1. Wilhelminadorp (Zuid-Beveland, 1700 ha groot. Naast akkerbouw ook zaaizaad, en 162 ha mosselpercelen in Oosterschelde). 2. Breukers (In Slowakije een bedrijf van 700 ha). 3. Teboza (Helden, aspergeteelt)100 ha asperges, 180 ha tevens in Tsjechië). 4. Van de Bilt Zaden en Vlas (vestiging in Sluiskil; teelt van vlas in Flevopolders en Zeeuws-Vlaanderen; tevens een bedrijf in Frankrijk van 3000 ha). 5. Van den Oever Boomkwekerijen (Haaren, 130 ha laanbomen, heesters). 6. Seasun (Kapelle, 50 ha kastuinbouw paprika's en tomaten). 7. Vrebamelkvee (Vredepeel, 1000 melkkoeien, 675 jongvee). 8. Koepon (Aduarderzijl, 175 ha, met twee bedrijven in voormalig Oost-Duitsland, 1 in Schotland en 1 in canada, en startend in Polen; tevens in bezit van makelaardij AgriPon) 9. Den Eelder (Well, 450 koeien met eigen productie en afzet van zuivel). 10. Buist (Noordlaren, grootste natuurboer van Nederland en tevens grootstye biologische vleeshouder; 1200 ha en ruim 600 stuks Limousin). 11 Varkenshouderij in Noord-Limburg (eigen bedrijf met 200 zeugen en op 14 locaties gepachte stallen, tevens vestiging in Oost-Duitsland met 7000 zeugen en 2500 ha akkerbouw)

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,280

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0340,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,207
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocio-Environmental Systems ModelingMême sujetEnvironmental Conservation and ManagementTravaux en français237 207