MétaCan
Menu
← Retour à la cohorte
Enregistrement W2609396561

수확 연도별 우리밀과 수입밀의 품질 변이 비교

2017· article· ko· W2609396561 sur OpenAlexaboutno aff
곽한섭, 김태종, 주은영, 차장헌, 김아진, Mi Jeong Kim, 김상숙

Notice bibliographique

Revue한국식품영양과학회지 · 2017
Typearticle
Langueko
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFalling NumberWater contentWinter wheatAgronomyFalling (accident)MoistureMathematicsWheat flourEnvironmental scienceGeographyBiologyFood scienceCultivarEngineeringMeteorology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Quality characteristics (moisture, protein, ash, bulk density, falling number, damaged kernel, and foreign material) of 443 domestic wheat samples harvested between 2011 and 2013 were compared with those of 160 imported wheat samples from the United States, Australia, and Canada. Moisture content of domestic wheat (10.9∼13.9%) was generally higher than that of imported wheat (8.0∼12.6%). Large variation in protein content was found in domestic wheat compared to imported wheat even though variation in protein content of domestic wheat tended to decrease every year, implying quality control efforts for domestic wheat. A similar trend was observed in ash content, which was approximately 0.1% higher in domestic wheat kernels over 3 years. Imported wheat samples had a falling number of 300 or above. On the other hand, some domestic wheat samples had a falling number of 300, which meant low quality of wheat kernels. Generally, quality variations in domestic wheat kernels decreased over the years; however, it is necessary to maintain minimum requirements of moisture content and falling number for high and consistent quality domestic wheat.

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 enseignants0,023
Score d'incertitude au seuil0,046

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
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,350
Tête enseignante GPT0,533
Écart entre enseignants0,183 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue한국식품영양과학회지→Même sujetFood Security and Health in Diverse Populations→Travaux en français237 207→