MétaCan
Menu
Retour à la cohorte
Enregistrement W2913076230 · doi:10.5539/jas.v11n3p289

Effect of Insulator on Thermal Comfort in Poultry House in the Western Region of the State of Paraná

2019· article· en· W2913076230 sur OpenAlexvenueno aff
Suélen C. Maino, Jair Antônio Cruz Siqueira, Samuel Nelson Melegari de Souza, Hitomi Mukai, Renata Galvan Rutz da Silva, Carlos Eduardo Camargo Nogueira, José Airton Azevedo dos Santos, M. De Bastiani, Carlos Marques, Janice Reis Ciacci Zanella, Edward Seabra Júnior, Daniel Marcos Dal Pozzo, Alysson Francisco Toscan

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEffects of Environmental Stressors on Livestock
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRelative humidityEnvironmental scienceThermal comfortThermal insulationPoultry farmingMeteorologyGeographyMaterials scienceLayer (electronics)Composite materialForestry

Résumé

récupéré en direct d'OpenAlex

This work was carried out with the objective of evaluating effect of different insulation considering two poultry houses. Two dark house type, located in the western region of the State of Paraná, Brazil were analyzed. The poultry house A1 is characterized with trapezoidal aluzinc cover on the upper side interspersed with a layer of polyurethane and aluminized film on the underside, while the poultry house A2 has cover of aluzinc with black tarpaulin. A thermo-hygrometer was used to measure the temperature and relative humidity of the indoor and outdoor air, and a thermal imager was used to collect the surface temperature data of the birds. In this way, it was possible to evaluate the effect of different insulation of poultry houses on birds. Finally, was concluded that the poultry house A1 provided temperature and relative humidity and temperature of the birds closer to those considered as ideal in the literature.

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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,213
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 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetEffects of Environmental Stressors on LivestockTravaux en français237 207