MétaCan
Menu
Retour à la cohorte
Enregistrement W2201623300

Field Performance of Vegetable Soybean Varieties (Lines) in Northeast Usa

2008· article· en· W2201623300 sur OpenAlexaff
Qiuying Zhang, Xianwen Pan, Stephen Herbert

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoybean genetics and cultivation
Établissements canadiensJ. D. Irving (Canada)
Organismes subventionnairesnon disponible
Mots-clésRandomized block designCultivarYield (engineering)CropPoint of deliveryAgronomyField experimentBiologyHorticulture
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Vegetable soybean is a special soybean harvested after the R6 and before the R7 growth stage as a fresh green bean.Although vegetable soybean research has been conducted for many years in the USA,fewer varieties are available for commercial production.Twelve vegetable cultivars(lines) were evaluated for their field performance and marketable yield potential at the University of Massachusetts Crop Research and Education Center in Deerfield,Massachusetts,USA.The experiment was arranged in a randomized complete block design with 4 replications.Seven out of twelve varieties or lines had the green seed color,50% first flowering day,optimum eating day,and harvest maturity were significantly different among varieties.Days from over 50% first flowering to optimum eating day ranged from 20 d to 45 d.The variety late branch bean had the highest marketable yield of 7 971 kg·ha-1,while the variety early branch bean had the lowest marketable yield of 3 122 kg·ha-1.A higher marketable yield was mostly due to lower unproductive pod percentage,greater seed size and a greater percentage of 2-seeded pods.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,022
Tête enseignante GPT0,197
Écart entre enseignants0,175 · 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

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoybean genetics and cultivationTravaux en français237 207