MétaCan
Menu
Retour à la cohorte
Enregistrement W1966275535 · doi:10.4141/cjas09002

Potential of warm-season annual forages and <i>Brassica</i> crops for grazing: A Canadian Review

2009· review· en· W1966275535 sur OpenAlexfundvenueaboutno aff
D. H. McCartney, J. Fraser, A. Ohama

Notice bibliographique

RevueCanadian Journal of Animal Science · 2009
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensnon disponible
Organismes subventionnairesBeef Cattle Research Council
Mots-clésGrazingAgronomySecaleBiologyForagePerennial plantBrassica rapaBrassicaAvenaFodderHordeum vulgareSetaria viridisPoaceaeWeed

Résumé

récupéré en direct d'OpenAlex

Extension of the grazing season beyond the normal perennial grazing season has been identified as a potential mechanism to reduce the cost of production on Canadian cow-calf operations. This review will provide an overview of the potential use of warm-season and Brassica crops including corn (Zea mays), Golden German foxtail millet (Setaria italica L. Beauv.), kale (Brassica oleracea L.), forage rape (B. napus ssp. biennis L.) and turnip (B. rapa L.). These crops have a high yield potential, but the cost for grazing these crops has not been adequately compared with the cost of grazing oat (Avena sativa L.), barley (Hordeum vulgare L.), and fall rye (Secale cereale L.). There are very few actual animal grazing trials evaluating the economics of using these crops in grazing systems in Canada, and this requires further research.Key words: Corn, millet, sorgum, sudan grass, fodder crops, brassicas

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,985
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,286
Écart entre enseignants0,252 · 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 tête enseignante, 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

Citations48
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207