MétaCan
Menu
Retour à la cohorte
Enregistrement W2105732328 · doi:10.4081/ijas.2009.s2.39

Improving the stability of test day model evaluation for production traits in the Italian Holstein

2009· article· en· W2105732328 sur OpenAlexaboutno aff
F. Canavesi, Stefano Biffani, G. Bramante, R. Finocchiaro

Notice bibliographique

RevueItalian Journal of Animal Science · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIce calvingBreedTraitStatisticsAnimal scienceStability (learning theory)Production (economics)RegressionRandom effects modelSelection (genetic algorithm)BiologyLactationMathematicsDemographyPregnancyMedicineComputer scienceGeneticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Genetic evaluation for production traits in the Holstein breed in Italy is based on a Random Regression Test Day Model (RRTDM) since November 2004. More specifically the model is a multiple lactation, multiple traits RRTDM, similar to the model used in Canada for official genetic evaluation. In order to improve stability, data were pre-adjusted for number of days pregnancy at test day and fixed regression curve effects include now the effect of year of production, four calving seasons instead of two and a general effect for days in milk (DIM) was added. The changes in the model improved stability of proofs over time, thus increasing the ability of the test day to accurately predict the breeding value of both bulls and cows. Trend validation results showed also improvements and residuals were positively affected by the changes. Trends in trait residuals previously detected with respect to DIM and month of calving did show a significant reduction. The new model was officially introduced in January 2009.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,294
Écart entre enseignants0,259 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueItalian Journal of Animal ScienceMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207