On‐Farm Strip Trials vs. Replicated Performance Trials for Cultivar Evaluation
Notice bibliographique
Résumé
A systematic comparison between two cultivar evaluation and recommendation systems, i.e., the balanced and replicated performance trials conducted in small plots at a small number of locations, and the unbalanced and non‐replicated on‐farm trials conducted in large strips on many farms, is lacking. This study was initiated to investigate the usefulness of the two contrasting systems in cultivar evaluation and the relationships between them. Yield data from Ontario winter wheat (Triticum aestivum L.) strip trials and performance trials for 1998 to 2000 were analyzed by mixed models. For all 3 yr, results from the two systems were highly correlated, both in terms of the best linear unbiased predictors (BLUP) and for the t‐values of BLUP. Cultivars judged to be superior (or inferior) by one system were never judged to be inferior (or superior) by the other. Thus, both on‐farm strip trials and replicated small‐plot trials provide valid data for effective cultivar evaluation. On the basis of t‐statistics, which measure cultivar reliability, cultivars can be classified into superior (t ≥ 2), inferior (t ≤ −2), and intermediate or inadequately tested (−2 < t < 2). Two cultivars can be regarded as different in reliability if their t‐values differ by ≥3. The evaluation power of strip trials for a cultivar depends on the number of trials in which the cultivar is tested; a cultivar may not be adequately evaluated if it is tested in fewer than 20 trials.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».