MétaCan
Menu
Retour à la cohorte
Enregistrement W2033916459 · doi:10.5539/jas.v1n1p76

Molluscicide from Tobacco Waste

2009· article· en· W2033916459 sur OpenAlexvenueno aff
Rochana Tangkoonboribun, Suriya Sassanarakkit

Notice bibliographique

RevueJournal of Agricultural Science · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Residue Analysis and Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMolluscicideToxicologySnailOrganic matterPotassiumHorticultureEnvironmental scienceAgronomyAnimal scienceBiologyChemistryEcology

Résumé

récupéré en direct d'OpenAlex

Tobacco waste can be molluscicide for Golden Apple snail control in paddy field as trialed in 3 experiments e.g.laboratory, green house and field trial. In laboratory found LD50 of tobacco waste on golden apple snail, fish, frog andcrab were 5456.25, 687.5, 1562.5 and 5000 Kg/ha respectively. In greenhouse and field trial were found rate of tobaccowaste at 1562.5 Kg/ha could kill golden apple snail 100% in two days. Tobacco waste affected to increased electricalconductivity, biological oxygen demand, chemical oxygen demand in water but decreased water pH and dissolvedoxygen. Otherwise, tobacco waste can be supplied soil fertility with high organic matter, available phosphorus,exchangeable potassium, calcium and magnesium. Tobacco waste can be increased rice growth and yield withoutnicotine and acute toxicity inspected.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,227

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,210 · 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'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

Citations13
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPesticide Residue Analysis and SafetyTravaux en français237 207