MétaCan
Menu
Retour à la cohorte
Enregistrement W2736406292 · doi:10.1139/cjas-2016-0241

Validation of the first objective evaluation system for beef carcasses

2017· article· en· W2736406292 sur OpenAlexvenueno aff
K. Wnek, Marcin Gołębiewski, T. Przysucha

Notice bibliographique

RevueCanadian Journal of Animal Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundEuropean Commission
Mots-clésCertificationRemunerationMathematicsStatisticsCalibrationSample (material)LivestockAnimal scienceAgricultural scienceOperations managementBusinessBiologyManagementChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Systems that objectively assess beef carcasses are becoming more common in slaughterhouses. The objectives of this study were to investigate differences in the EUROP classification of beef carcasses between independent national senior assessors and abattoir assessors, and to investigate the results of calibration and validation tests for the German VBS 2000 system in Poland. All the procedures involving calibration sample analysis and the certification test were conducted in accordance with the guidelines of Commission Regulation (EC) No. 1249/2008. The results show that evaluations provided by abattoir assessors significantly differ to those given by national assessors (P < 0.01), and that fat class is the best predictor of differences in EUROP evaluations. Pearson’s correlation coefficients for the median of evaluations from five assessors and evaluations from the VBS 2000 system were high for both conformation and fat classes: 0.905 and 0.907, respectively. A strong linear correlation between evaluations of conformation and fat obtained from assessors and the VBS 2000 system was found. Remuneration for livestock producers depends on the assessment of carcasses, and therefore, the evaluation process should be improved with an increase in the precision of carcass classification, and automated technologies give such possibility.

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)0,016
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,016
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,091
Tête enseignante GPT0,301
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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetMeat and Animal Product QualityTravaux en français237 207