MétaCan
Menu
Retour à la cohorte
Enregistrement W2098191242 · doi:10.1146/annurev.ento.48.091801.112639

M<scp>ANAGEMENT OF</scp> A<scp>GRICULTURAL</scp> I<scp>NSECTS WITH</scp> P<scp>HYSICAL</scp> C<scp>ONTROL</scp> M<scp>ETHODS</scp>

2002· review· en· W2098191242 sur OpenAlexaff
Charles Vincent, Guy J. Hallman, B. Panneton, Francis Fleurât-Lessard

Notice bibliographique

RevueAnnual Review of Entomology · 2002
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect behavior and control techniques
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésPreharvestPostharvestPest controlNanotechnologyComputer scienceBiologyMaterials scienceEcologyHorticulture

Résumé

récupéré en direct d'OpenAlex

Ideally, integrated pest management should rely on an array of tactics. In reality, the main technologies in use are synthetic pesticides. Because of well-documented problems with reliance on synthetic pesticides, viable alternatives are sorely needed. Physical controls can be classified as passive (e.g., trenches, fences, organic mulch, particle films, inert dusts, and oils), active (e.g., mechanical, polishing, pneumatic, impact, and thermal), and miscellaneous (e.g., cold storage, heated air, flaming, hot-water immersion). Some physical methods such as oils have been used successfully for preharvest treatments for decades. Another recently developed method for preharvest situations is particle films. As we move from production to the consumer, legal constraints restrict the number of options available. Consequently, several physical control methods are used in postharvest situations. Two noteworthy examples are the entoleter, an impacting machine used to crush all insect stages in flour, and hot-water immersion of mangoes, used to kill tephritid fruit fly immatures in fruit. The future of physical control methods will be influenced by sociolegal issues and by new developments in basic and applied research.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0760,028

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 Opus0,032
Tête enseignante GPT0,300
Écart entre enseignants0,269 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations194
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of EntomologyMême sujetInsect behavior and control techniquesTravaux en français237 207