Test phytochimique et insecticide de trois extraits organiques de feuilles de Ficus thonningii sur Callosobruchus maculatus Fabricius
Notice bibliographique
Résumé
Pour trouver des alternatifs aux insecticides de synthèse, les extraits de plantes sont de plus en plus utilisés par les paysans pour protéger les stocks de récolte contre les insectes ravageurs. Ainsi, des tests phytochimiques et insecticides respectivement par chromatographie sur couche mince et par contact sont effectués sur trois extraits organiques (cyclohexanique, chloroformique et méthanolique) de Ficus thonningii. Les données ont été analysées par la procédure General Linear Model à l’aide du logiciel Minitab 17. Les facteurs étudiés sont : le temps, le nombre d’insectes morts et le nombre d’insectes émergés, ainsi que leurs interactions. Les résultats de l’analyse statistique ont montré que l’extrait méthanolique donne un meilleur taux de mortalité sur Callosobruchus maculatus aux dates 3eme jour, 5e jour, 6e jour, 7e jour et 8eme jour. Ces résultats sont corroborés par les tests phytochimiques avec l’identification de molécules (alcaloïdes, flavanoïdes, tanins, polyphénols et saponosides…) susceptibles d’être responsables de cette activité insecticide.Mots clés: Extraits, Ficus thonningii, Callosobruchus maculatus, niébé.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».