MétaCan
Menu
Retour à la cohorte
Enregistrement W2166844497

Economic benefits of genetically-modified herbicide-tolerant canola for producers.

2011· article· en· W2166844497 sur OpenAlexfundaboutno aff
Michael Gusta, Stuart J. Smyth, Kenneth Belcher, Peter W.B. Phillips, David Castle

Notice bibliographique

RevueMOspace Institutional Repository (University of Missouri) · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensnon disponible
Organismes subventionnairesGenome CanadaAdvanced Foods and Materials Network
Mots-clésCanolaGenetically modified organismBusinessGenetically modified cropsBiotechnologyAgronomyEnvironmental scienceAgricultural scienceBiologyTransgeneGene
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Genetically-modified herbicide-tolerant (GMHT) canola was introduced in Western Canada in 1995. In 2007, a producer survey elicited answers to 80 questions regarding their experiences, including production practices, tillage and herbicide use, control of volunteer canola, and weed-control practices. The survey revealed that the new technology generated between $1.063 billion CAD and $1.192 billion annual net direct and indirect benefits for producers from 2005-2007; this is partly attributed to lower input costs and partly attributed to better weed control. One major concern in the early years following introduction was the potential for HT traits to outcross with weedy relatives or for GMHT canola to become a pervasive and uncontrollable volunteer in non-canola crops, either of which would offset some producer gains. The survey largely discounts that concern. More than 94% of respondents reported that weed control was the same or had improved, less than one-quarter expressed any concern about herbicide resistance in weed populations, 62% reported no difference in controlling for volunteer GM canola than for regular canola, and only 8% indicated that they viewed volunteer GM canola to be one of the top five weeds they need to control.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,036
Tête enseignante GPT0,202
Écart entre enseignants0,166 · 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'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

Citations48
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMOspace Institutional Repository (University of Missouri)Même sujetGenetically Modified Organisms ResearchTravaux en français237 207