MétaCan
Menu
Retour à la cohorte
Enregistrement W2909838831 · doi:10.5539/jas.v11n2p516

Grain Yield in Indirect Selection for Multiple Characters in Upland Rice

2019· article· en· W2909838831 sur OpenAlexvenueno aff
Laís Moretti Tomé, Flávia Barbosa Silva Botelho, Douglas Goulart Castro, Tácio P. da Silva, Camila Soares Cardoso da Silva, Amanda Mendes de Moura

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Grain yieldRandomized block designYield (engineering)Upland riceAgronomyMathematicsIndex (typography)StatisticsBiologyOryza sativaComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The aim of the present study was to compare the selection performed by the sum of standardized variables index (Z Index) with the selection based only on the grain yield character, to verify if the grain yield alone is a good alternative for the selection involving multiple characters. The experiments were conducted in Lavras-MG and in Lambari-MG, during the 2015/2016 agricultural year. The used design was the randomized complete block design with 3 replications. Thirty-six genotypes of the preliminary trial of upland rice breeding program of the Federal University of Lavras were evaluated. In order to compose the Z index, the following characteristics were evaluated: grain yield, height, number of days for flowering, 1000-grain weight, income, yield, leaf blast incidence, and grain length/width ratio. Z index was efficient in the selection for multiple characters whereas not all lines with the highest grain yield obtained good results in the other desirable characteristics, indicating that the selection based only on grain yield is not efficient when working with several characters of interest in upland rice cultivation.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,116

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,021
Tête enseignante GPT0,225
Écart entre enseignants0,205 · 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'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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetRice Cultivation and Yield ImprovementTravaux en français237 207