MétaCan
Menu
Retour à la cohorte
Enregistrement W2606343022 · doi:10.1515/opag-2017-0013

Advanced Life Support Research and Technology Transfer at the University of Guelph

2017· article· en· W2606343022 sur OpenAlexafffundabout
Michael Dixon, Michael Stasiak, T. Rondeau, Thomas Graham

Notice bibliographique

RevueOpen Agriculture · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLight effects on plants
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésLife support systemTechnology transferEnvironmental scienceAgricultureBusinessEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Research and technology developments surrounding Advanced Life-Support (ALS) began at the University of Guelph in 1992 as the Space and Advanced Life Support Agriculture (SALSA) program, which now represents Canada’s primary contribution to ALS research. The early focus was on recycling hydroponic nutrient solutions, atmospheric gas analysis and carbon balance, sensor research and development, inner/intra-canopy lighting and biological filtration of air in closed systems. With funding from federal, provincial and industry partners, a new generation of technology emerged to address the challenges of deploying biological systems as fundamental components of life-support infrastructure for long-duration human space exploration. Accompanying these advances were a wide range of technology transfer opportunities in the agri-food and health sectors, including air and water remediation, plant and environment sensors, disinfection technologies, recyclable growth substrates and advanced light emitting diode (LED) lighting systems. This report traces the evolution of the SALSA program and catalogues the benefits of ALS research for terrestrial and non-terrestrial applications.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,548
Score d'incertitude au seuil0,909

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,003
Communication savante0,0040,001
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0390,007

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 Opus0,040
Tête enseignante GPT0,277
Écart entre enseignants0,236 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueOpen AgricultureMême sujetLight effects on plantsTravaux en français237 207