MétaCan
Menu
Retour à la cohorte
Enregistrement W2810877981 · doi:10.3390/su10072192

Strategies, Advances, and Challenges in Breeding Perennial Grain Crops

2018· article· en· W2810877981 sur OpenAlexaff
Timothy E. Crews, Douglas J. Cattani

Notice bibliographique

RevueSustainability · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPerennial plantAgroforestryAgronomyAgricultural engineeringBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

The development of new perennial crop species is gaining momentum as a promising approach to change the fundamental nature of ecosystem processes in agriculture. The ecological argument for perennial crops grown in polycultures is strong, but until recently, perennial herbaceous grain crops have been absent from agricultural landscape. This is not because perennial herbaceous species do not exist in nature—there are thousands of perennial grasses, legumes, and other broad leaf plants. Rather, for a variety of reasons, early farmers focused on cultivating and domesticating annuals, and the perennial herbs were largely ignored. Today, we have a tremendous opportunity to explore another agricultural path. Building on contemporary knowledge of plant biology and genetics that early farmers lacked, and using a rapidly expanding toolbox that includes sophisticated genomic and analytical approaches, we can develop viable perennial grain crops. These crops can then be used to assemble diverse agroecosystems that regenerate soils and capture other important ecosystem functions.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,032
Tête enseignante GPT0,255
Écart entre enseignants0,223 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations75
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetBioenergy crop production and managementTravaux en français237 207