MétaCan
Menu
Retour à la cohorte
Enregistrement W2756235427 · doi:10.5539/jas.v9n10p198

Germination of Pomegranate Seeds under Sarcotesta Extraction Methods and Drying

2017· article· en· W2756235427 sur OpenAlexvenueno aff
Deived Uilian de Carvalho, Maria Aparecida da Cruz, Elisete Aparecida Fernandes Osipi, Jethro Barros Osipe, Ronan Carlos Colombo, Jéssica de Lucena Marinho, Maria Aparecida Fonseca Sorace, Conceição Aparecida Cossa

Notice bibliographique

RevueJournal of Agricultural Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSeed Germination and Physiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGerminationPunicaDistilled waterExtraction (chemistry)Immersion (mathematics)Pulp and paper industryHorticultureMaterials scienceChemistryBiologyMathematicsChromatographyEngineering

Résumé

récupéré en direct d'OpenAlex

Aiming to evaluate the effect of degumming methods and natural drying, as well as, the influence of different periods of seeds in quicklime solution on Punica granatum L. germination, were conducted two experiments. At first, the seeds from ripe fruits were subjected to the following sarcotesta extraction: natural fermentation at room temperature, during 72 hours; immersion in quicklime (CaO), during 24 hours; and non-degumming, taken as control. For the second experiment, the extraction method was carried out by the following mixture: seeds, quicklime, and distilled water; differing the immersion period (5, 10, 15, 20, and 25 hours). In both, the experimental design was completely randomized, performing the water content and germination test. The quicklime method is efficient to degrade and to eliminate the sarcotesta on P. granatum seeds, and the drying process provides a better germination. In addition, there is a linear increase on seed physiological quality when upgrades the immersion period in quicklime solution.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,041
Tête enseignante GPT0,354
Écart entre enseignants0,313 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSeed Germination and PhysiologyTravaux en français237 207