MétaCan
Menu
← Retour à la cohorte
Enregistrement W2907587706 · doi:10.2991/agrosmart-18.2018.50

Agronomic Characters of Hulless Barley Collection

2018· article· en· W2907587706 sur OpenAlexaboutno aff
Vera Mikhailivna Gubanova, Mikhail Gubanov, A. A. Gryaznov

Notice bibliographique

RevueInternational scientific and practical conference "Agro-SMART - Smart solutions for agriculture" (Agro-SMART 2018) · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWheat and Barley Genetics and Pathology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

The research was conducted in 2011-2013 in the northern forest-steppe of the Tyumen region.The vegetation period of hulless barley samples ranged from 63 to 80 days.The samples with the length of stages -seedling-heading -38-42 days and heading-ripening -29-33 days produced the yield higher than the standard Omsk bare-grain 1 by 2.9-60.6%.The largest number of samples (56.6%) formed the eighth group where protein content was 15.1-17.0%;30.2% of the samples appeared to be in the ninth group (17.1-20.1%),and 13.2% -in the seventh (14.0-14.9%).The highest average 1000 grain weight was observed in barley samples of the ninth group (42.8 g).The samples of the eighth group showed a lower characteristic value (40.3 g) while the samples of the seventh group where protein content was 14.0-14.9%had the lowest value (39.9 g).The average starch content in the samples of all groups was at the level of 58.8-60.5%.The limits of starch variations in barley samples were higher in the seventh group with high protein content.In the same group, the variation range of a trait was much higher (14.2%).The grain-unit g/cm 3 increased on average from 6.5 (seventh group) to 6.7 (ninth group).The largest variation range was in the eighth group (2.0).A reliable positive correlation with yielding properties was found in the group with very high protein content (17.1-20.1%).The highest correlation coefficients were found by interrelations with: protein content (r=0.400),1000 grain weight (r=0.687) and grain-unit g/cm 3 (r=0.656).A reliable negatively-associated relationship was found between the starch content and the yield (r=-0.382).The following samples showed high resistance to stem rust (Puccinia graminis Pers), namely: Local (k-3115, Tajikistan), Local (k-3170, Tajikistan), Local (k-3772, Dagestan), Local (k-19709, Denmark), Local (to-21747, Dagestan).By lodging resistance at the level of 9 points, the following samples were distinguished, namely: Local (k-3038, Turkmenistan), Local (k-3165, Tajikistan), Local (k-3938, Mongolia), Buck CDC (k-30173, Canada).In the ninth group with high protein content (17.1-20.1) the local sample from Tajikistan (K-3770) formed standard starch content (60.8%).The local cultivars from Iran (k-3082) and Georgia (k-838) had the highest 1000 grain weight (52.7-55.5 g).

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,057
Tête enseignante GPT0,278
Écart entre enseignants0,221 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational scientific and practical conference "Agro-SMART - Smart solutions for agriculture" (Agro-SMART 2018)→Même sujetWheat and Barley Genetics and Pathology→Travaux en français237 207→