MétaCan
Menu
Retour à la cohorte
Enregistrement W1980915229 · doi:10.1017/s1014233900002182

Caractérisation phénotypique des bovins à viande (<i>Bos taurus</i> et <i>Bos indicus</i>) au centre (Bouaké) et au nord (Korhogo) de la Côte d'Ivoire

2007· article· fr· W1980915229 sur OpenAlexaboutno aff
Didier Paulin Sokouri, N.E. Loukou, C. V. Yapi-Gnaorè, F. Mondeil, F. Gnangbe

Notice bibliographique

RevueAnimal Genetic Resources Information · 2007
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCote d ivoireGeographyHumanitiesForestryBiologyArt

Résumé

récupéré en direct d'OpenAlex

Résumé Une enquête a été menée dans les régions de Bouaké et de Korhogo pour inventorier et caractériser les différents types de bovins à viande. Des mesures barymétriques ont été enregistrées sur 511 animaux à Bouaké et 929 à Korhogo pour lesquels les éleveurs ont été invités à indiquer le nom du type phénotypique. L'inventaire des élevages a permis d'identifier 5 types phénotypiques de bovins que sont le N'Dama, le Baoulé, le Zébu, le Méré et le “Métis”. Les descripteurs qui permettent d'identifier au mieux ces différents types de bovins sont la présence/absence de bosse, la couleur de la robe, le périmètre thoracique et la hauteur au garrot. Malgré le métissage qui s'exerce sur elles, les races taurines (N'Dama et Baoulé) présentent des populations homogènes et stables. Le Méré présente une population homogène dans la région de Korhogo et semble être un type phénotypique bien fixé avec 83% d'animaux bien classés. Le pourcentage moyen d'animaux bien classés dans les régions de Bouaké et Korhogo est respectivement de 79 et 68%; ce qui dénote une très bonne connaissance des animaux par les éleveurs. Les caractères déterminants identifiés à partir de cette analyse peuvent servir à définir les standards des races concernées.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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

Citations11
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimal Genetic Resources InformationMême sujetAgriculture and Rural Development ResearchTravaux en français237 207