GGEbiplot—A Windows Application for Graphical Analysis of Multienvironment Trial Data and Other Types of Two‐Way Data
Notice bibliographique
Résumé
Plant breeding trials produce quantities of data and finding the useful information within that data has historically been a major challenge of plant breeding. A recently developed graphical data summary, called GGEbiplot, can aid in data exploration. GGEbiplot is a Windows application that performs biplot analysis of two‐way data that assume an entry × tester structure. GGEbiplot analyzes the data and outputs the results as an image, and it also produces an interactive show of the data. It allows interactive visualization of the biplot from various perspectives. A multienvironment trial data set, in which cultivars are entries and environments are testers, was used to demonstrate the functions of GGEbiplot. These include but are not limited to: (i) ranking the cultivars based on their performance in any given environment, (ii) ranking the environments based on the relative performance of any given cultivar, (iii) comparing the performance of any pair of cultivars in different environments, (iv) identifying the best cultivar in each environment, (v) grouping the environments based on the best cultivars, (vi) evaluating the cultivars based on both average yield and stability, (vii) evaluating the environments based on both discriminating ability and representativeness, and (viii) visualizing all of these aspects for a subset of the data by removing some of the cultivars or environments. GGEbiplot has been applied to visual analysis of genotype × environment data, genotype × trait data, genotype × marker data, and diallel cross data.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,075 | 0,019 |
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 ».