MétaCan
Menu
Retour à la cohorte
Enregistrement W2795283092 · doi:10.1139/cjfr-2017-0407

Efficiency of early selection in <i>Calycophyllum spruceanum</i> and <i>Guazuma crinita</i>, two fast-growing timber species of the Peruvian Amazon

2018· article· en· W2795283092 sur OpenAlexvenueno aff
Jonathan Cornelius, Roger Alejandro Pinedo-Ramírez, Carmen Sotelo Montes, Julio Ugarte-Guerra, John C. Weber

Notice bibliographique

RevueCanadian Journal of Forest Research · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesConsortium of International Agricultural Research CentersInstituto Nacional de Investigación y Tecnología Agraria y AlimentariaDepartment for International DevelopmentUnited States Agency for International Development
Mots-clésSelection (genetic algorithm)Amazon rainforestRevenueNet present valueAgroforestryEconomicsBiologyComputer scienceProduction (economics)EcologyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Bolaina (Guazuma crinita Mart., Malvaceae) and capirona (Calycophyllum spruceanum (Benth.) Hook. f. ex K. Schum., Rubiaceae) are fast-growing Amazonian timber trees. In Peru, they are increasingly being used in agroforestry systems and plantations, and interest in developing improved germplasm is growing. However, tree improvement incurs both direct costs and interest costs on investments; because of this, early selection is of interest. We examine the efficiency of early selection 13 or 17 months after field trial establishment. These are compared with selection after 49 or 53 months using two efficiency metrics: one based on discounted response to selection per unit of present value of cost, and the second on net discounted revenues, using discount rates of 5%, 10%, and 15%. Our metrics differed from those used in previous studies by taking into account direct costs, as well as costs of capital. We found that in most scenarios, early selection was attractive, partly due to direct cost savings. We conclude that in evaluating the efficiency of early selection, lack of consideration of direct costs may produce erroneous results. We also explore some general implications of the results.

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)0,007
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 enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,085
Tête enseignante GPT0,262
Écart entre enseignants0,177 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetEconomic and Environmental ValuationTravaux en français237 207