MétaCan
Menu
Retour à la cohorte
Enregistrement W2765518176 · doi:10.13083/reveng.v25i3.781

NOTA TÉCNICA: CONSTRUÇÃO DE SONDAS TDR E AVALIAÇÃO EM DIFERENTES SOFTWARES DE APLICAÇÃO TÉCNICA

2017· article· pt· W2765518176 sur OpenAlexaff
Gláucia Cristina Pavão, Júlia Rodrigues Simione, Claudinei Fonseca Souza

Notice bibliographique

RevueRevista Engenharia na Agricultura - REVENG · 2017
Typearticle
Languept
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

A aplicação eficiente de água na agricultura envolve equipamentos modernos e manejo adequado deste recurso natural. A quantidade de água absorvida pela cultura pode ser determinada pelo fluxo de seiva xilemática e a técnica da Reflectometria no Domínio do Tempo (TDR) tem potencial para efetuar essas medições por ser precisa e praticamente livre de interferências. O objetivo deste trabalho foi construir e avaliar sondas TDR de diferentes tamanhos que pudessem ser lidas por três diferentes softwares com a finalidade de mensuração do fluxo de seiva em plantas lenhosas.Foram avaliados seis tamanhos de sondas (200, 150, 100, 70, 50 e 20 mm) sendo construídas e avaliadas características físicas em água deionizada por três programas de aplicação da técnica, PCTDR da Campebell Scientifc, WinTDR da Utah State University e o TDR-Lab da CSIC. Os softwares demonstraram dificuldades na leitura automática, sendo WinTDR e PCTDR mais limitados quanto à leitura manual.O PCTDR não conseguiu realizar leituras em sondas de 1,6 mm de diâmetro de haste. Já o software TDRLab se mostrou promissor na análise de sondas de tamanhos menores, porém ainda são necessários estudos da constituição física das sondas para maior precisão nas leituras.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,039
Tête enseignante GPT0,286
Écart entre enseignants0,247 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Engenharia na Agricultura - REVENGMême sujetIrrigation Practices and Water ManagementTravaux en français237 207