MétaCan
Menu
Retour à la cohorte
Enregistrement W245702888

Relationship between productive and reproductive parameters of dairy cows in different production systems.

2010· article· es· W245702888 sur OpenAlexaboutno aff
E. J. Dutour, L. M. Melucci

Notice bibliographique

RevueArchivos Latinoamericanos de Producción Animal · 2010
Typearticle
Languees
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrazingBreedProductivityBiologyMilk productionProduction system (computer science)Production (economics)Selection (genetic algorithm)LivestockAnimal scienceDairy cattleAgronomyAgricultural scienceBiotechnologyEcologyEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The majority of the milk producing systems in Argentina are based on the use of perennial and annual pastures plus supplementation with cereal grains and conserved forages. The genetic change that occurred in Argentine dairy cattle was due principally to the importation of semen from the USA and Canada. In those countries the Holstein breed was selected over many years for milk yield and body size under conditions of intensive management. It has been observed that upon increasing milk producing potential as a result of genetic selection, reproductive indexes deteriorate. Under grazing conditions it is impossible to control environmental conditions to the same or nearly the same degree as in intensive systems. Therefore, the use of animals originating from intensive systems under grazing conditions results in a mismatch between the requirements of the new genotype and those that the environment can provide. Thus the increase in individual production potential could be detrimental to the overall productivity of the grazing system, since this system cannot sustain those high levels of production

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,261
Écart entre enseignants0,243 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchivos Latinoamericanos de Producción AnimalMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207