Sheep breeding schemes utilising artificial insemination; large-scale simulation with a complex breeding goal
Notice bibliographique
Résumé
Alternative Norwegian sheep breeding schemes were evaluated by stochastic simulation of a breeding population with about 120 000 ewes, considering the gain for an aggregate genotype including nine traits and also the rate of inbreeding. The schemes were: a scheme where both young unproven rams (test rams) and proven rams (elite rams) are used in artificial insemination (AI scheme), a scheme with test rams in natural mating in ram circles and elite rams (from one and a half years of age) in AI across all flocks in the country (NMAI2 scheme), a scheme where, in addition to testing rams, the youngest elite rams (one and a half years of age) are also used in natural mating in ram circles, while older elite rams are used in AI (NMAI1 scheme), and a scheme, acting as a control, where both test and elite rams are used in natural mating (NM scheme). Within the NMAI- and AI-schemes, experimentation was performed for percent ewes inseminated to elite rams v. test rams (EM%), numbers of ewes inseminated per elite ram (EAIn), and numbers of ewes mated per test ram by natural service (TNMn) or by AI (TAIn), respectively. With a restriction on the rate of inbreeding (⩽0.8% per generation), the AI scheme gave similar gain to the NMAI2 scheme (and about 40% more than did the NM scheme). Less gain was generated by the NMAI1 scheme, but it was still considerably more than for the NM scheme (about 25%). In the AI scheme, relatively few ewes (200/300) should be inseminated to each test/elite ram, and a low EM% should be chosen (10%). In the NMAI schemes, TNMn should be relatively high (40 to 50), combined with average and somewhat larger than average EAIn (NMAI2: 700 ewes, NMAI1: 900 ewes), and EM% medium (30%).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».