MétaCan
Menu
Retour à la cohorte
Enregistrement W2587943894

Diversidad forrajera tropical 1: Selección y uso de leñosas forrajeras en sistemas de alimentación ganadera para zonas secas de Nicaragua

2013· article· es· W2587943894 sur OpenAlexaff
Nelson Pérez Almario, Mohammad Ibrahim, Cristóbal Villanueva, Christina Skarpe, Hubert Guérin

Notice bibliographique

Revuenon disponible
Typearticle
Languees
DomaineAgricultural and Biological Sciences
ThématiqueAgroforestry and silvopastoral systems
Établissements canadiensCanadian AIDS Treatment Information Exchange
Organismes subventionnairesnon disponible
Mots-clésBiologyLeucaena leucocephalaAgronomy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Se evaluaron diez especies con potencial forrajero para zonas secas de Rivas, Nicaragua con el fin de integrarlas en el diseno de sistemas silvopastoriles como estrategias de alimentacion bovina. Las especies evaluadas fueron leguminosas sin espinas (Albizia niopoides, Gliricidia sepium, Leucaena leucocephala, Samanea saman); leguminosas con espinas (Acacia farnesiana, Mimosa pigra); lenosas no leguminosas (Moringa oleifera, Brosimun alicastrum, Cordia dentata y Guazuma ulmifolia). Se utilizo forraje de ramas delgadas menores a 1,0 cm de diametro de diferentes individuos seleccionados de cada especie lenosa. El forraje se ofrecio, mediante el metodo de cafeteria, a cinco vacas en produccion con similares caracteristicas de raza, peso, edad, sexo y estado de lactancia. Se evaluo la preferencia, el tiempo de consumo de cada lenosa y el numero y tamano de bocados por especie; el consumo se obtuvo por diferencia entre la cantidad de forraje ofrecido y restante. Los resultados reflejan una mayor preferencia y consumo de forraje de tres especies (S. saman, L. leucocephala y A. niopoides) que presentan diferencias fisicas, nutricionales y fenologicas en relacion con las demas. Estas especies representan las mejores opciones para el diseno de sistemas silvopastoriles en el tropico seco nicaraguense.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,016
Tête enseignante GPT0,240
Écart entre enseignants0,224 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAgroforestry and silvopastoral systemsTravaux en français237 207