MétaCan
Menu
Retour à la cohorte
Enregistrement W1906857148 · doi:10.1094/phyto-04-15-0085-rvw

The Big Rust and the Red Queen: Long-Term Perspectives on Coffee Rust Research

2015· review· en· W1906857148 sur OpenAlexaff
Stuart McCook, John Vandermeer

Notice bibliographique

RevuePhytopathology · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant and Fungal Interactions Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Rust (programming language)BiologyBioprospectingOutbreakAgroforestryEcology

Résumé

récupéré en direct d'OpenAlex

Since 2008, there has been a cluster of outbreaks of the coffee rust (Hemileia vastatrix) across the coffee-growing regions of the Americas, which have been collectively described as the Big Rust. These outbreaks have caused significant hardship to coffee producers and laborers. This essay situates the Big Rust in a broader historical context. Over the past two centuries, coffee farmers have had to deal with the "curse of the Red Queen"-the need to constantly innovate in the face of an increasing range of threats, which includes the rust. Over the 20th century, particularly after World War II, national governments and international organizations developed a network of national, regional, and international coffee research institutions. These public institutions played a vital role in helping coffee farmers manage the rust. Coffee farmers have pursued four major strategies for managing the rust: bioprospecting for resistant coffee plants, breeding resistant coffee plants, chemical control, and agroecological control. Currently, the main challenge for researchers is to develop rust control strategies that are both ecologically and economically viable for coffee farmers, in the context of a volatile, deregulated coffee industry and the emergent challenges of climate change.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,137
Tête enseignante GPT0,442
Écart entre enseignants0,305 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations144
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhytopathologyMême sujetPlant and Fungal Interactions ResearchTravaux en français237 207