MétaCan
Menu
Retour à la cohorte
Enregistrement W2886468588 · doi:10.5539/jas.v10n9p47

Cost Effectiveness and Influence of Storage Bag Type on the Quality of Sweet Potato Vines

2018· article· en· W2886468588 sur OpenAlexvenueno aff
Igenicious N. Hlerema, Badza Taruvinga, Sunette M. Laurie, P. Ndou, Bahlebi K. Eiasu, C.P. Du Plooy

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolyethylenePlastic bagVineHorticultureYield (engineering)Hessian matrixEnvironmental scienceMathematicsWaste managementBiologyChemistryEngineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Sweet potatoes present an opportunity for improving food security and income generation in South Africa. The yield of sweet potatoes is highly dependent on the quality of sweet vines used in production. This study aimed at identifying the most cost effective and best storage bag type, between polyethylene and hessian bags, to prolong vine storage. Three bag treatments namely polyethylene bag without holes, polyethylene bag with 12 holes and dry hessian with vines from sweet potato cultivar “Bophelo” were stored for 3, 6, 9, 12 and 15 days at ambient temperature during summer. The costs effectiveness of using different types of bags when transporting and storing vines was calculated using the incremental cost-effectiveness ratio (ICER). The results of the study showed that hessian bags offer the best option to prolong storage (12 days) as compared to polyethylene bags (6 days), however hessian bags are more expensive (R49.10/1 day quality) ($4.08 as at 24/01/2018). Polyethylene bags can be used if the farmer is not willing to pay the additional cost for an addition day of quality. Holes need to be made in polyethylene bags in order to allow air circulation.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,287
Écart entre enseignants0,256 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetUrban Agriculture and SustainabilityTravaux en français237 207