MétaCan
Menu
Retour à la cohorte
Enregistrement W2753775624 · doi:10.5539/mas.v11n9p165

Aquaponic Integration and Automation – A Critical Evaluation

2017· article· en· W2753775624 sur OpenAlexvenueno aff
Noel Scattini, Stanislaw Maj

Notice bibliographique

RevueModern Applied Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInnovations in Aquaponics and Hydroponics Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAquaponicsHydroponicsAquacultureEnvironmental scienceAgricultureAgricultural engineeringFish <Actinopterygii>NutrientBiotechnologyBusinessAgronomyBiologyEcologyEngineeringFishery

Résumé

récupéré en direct d'OpenAlex

Aquaponics is technology developed from the aquaculture industry that integrates intensive farming of fish and utilizes plants (integrates hydroponics) in a continuous closed loop to clean the water for the fish. The plants clean the water of nitrate (waste form is initially ammonia) which has been converted into a form that is not toxic to fish by bacteria and is accessible to plants. Hydroponics technology is a technique used to grow plants and vegetables that does not incorporate soil, but nutrients that are dissolved in water and plants are either floated or treated with a nutrient film delivered to the roots by a variety of processes. These technologies are becoming more popular with communities and governments as the preservation of water becomes more of an issue in environments where water is becoming restricted in supply and has to be supplemented by mechanical means such as desalination, which comes at additional cost to consumers. The technologies have had a great amount of research interest to find parametres and ranges that the systems require to function successfully yet also remain productive with certain crop varieties. The successful diversification of crop varieties could increase the viability of commercial aquaponics, which could be achieved with the use of optimized advanced process control strategies.

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)0,019
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0080,009
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,046
Tête enseignante GPT0,316
Écart entre enseignants0,270 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetInnovations in Aquaponics and Hydroponics SystemsTravaux en français237 207