MétaCan
Menu
Retour à la cohorte
Enregistrement W2466023166 · doi:10.3390/jimaging2030021

Assessing Consistency in Radiated Thermal Output of Beef Steers by Infrared Thermography

2016· article· en· W2466023166 sur OpenAlexaff
N.J. Cook, Edouard Timsit, J. Colyn, Brady Chabot, Tong Liu, B. Wolfger, A. L. Schaefer

Notice bibliographique

RevueJournal of Imaging · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEffects of Environmental Stressors on Livestock
Établissements canadiensUniversity of AlbertaUniversity of CalgaryAgriculture and Agri-Food CanadaAgriculture Food and Rural Development
Organismes subventionnairesnon disponible
Mots-clésThermographyResidual feed intakeConsistency (knowledge bases)ResidualThermalInfraredMeasure (data warehouse)Biological systemComputer scienceEnvironmental scienceAcousticsMaterials scienceMathematicsBiologyFeed conversion ratioOpticsPhysicsThermodynamicsBody weightArtificial intelligenceAlgorithmData miningEndocrinology

Résumé

récupéré en direct d'OpenAlex

Measurements of radiated thermal output are claimed to reflect the metabolic efficiency of mammals. This is important in food-producing animals because a measure of metabolic efficiency may translate to desirable characteristics, such as growth efficiency or residual feed intake, and permit the grouping of animals by metabolic characteristics that can be more precisely managed. This study addresses the question of whether radiated thermal parameters are characteristic of individual animals under normal and metabolically-challenging conditions. Consistency in radiated thermal output was demonstrated over a period of four weeks on condition that a sufficiently representative sample of measurements could be made on individual animals. The study provided evidence that infrared thermography could be used as an automated, rapid, and reliable tool for assessing thermoregulatory processes.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,218
Écart entre enseignants0,209 · 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

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ImagingMême sujetEffects of Environmental Stressors on LivestockTravaux en français237 207