Notice bibliographique
Résumé
An increased need for efficient storage and retrieval of crop performance data is driven by a desire to increase the value of crop performance tests, opportunities in crop modelling, opportunities to facilitate cross planning, opportunities to discover genes that affect economic traits, and data mining applications that require better integration of data from multiple sources. Thus, an increased number of stakeholders need access to crop data that are current, accurate, and complete. There is also a growing sophistication and awareness of the role and capabilities of modern informatics techniques in biological research – an area that has become known as “bioinformatics”. Bioinformatics, in partnership with statistics, can play a vital role in increasing the value of crop performance data. However, much of this role remains to be developed and adopted by the communities that gather and use these data. Part of the challenge is that phenotypic data are complex, and extensive information about the context under which the data were collected is required. This can include information about experimental design, soil and climatic conditions, treatments applied, germplasm tested, plant growth stages, and traits measured. If context is neglected, data are useless, but if context is overly complex, it may be ignored or used improperly. Several solutions have been developed to address these needs. These include commercial software packages, open-source collaborations, and a new application developed by the authors. Each solution has strengths and weaknesses, and each addresses different types of needs. This review will discuss the motivations for developing and using crop information systems, the current status and availability of crop information systems, and the challenges that must be met to achieve future potential. Key words: Bioinformatics, database, software, statistics, ontology, variety trial
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 | 0,014 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,013 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,011 | 0,019 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,035 |
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 ».