Evaluating Winter Barley Cultivar Using Data Envelopment Analysis Models
Notice bibliographique
Résumé
Unlike feed barley, malting barley must meet a specific set of quality standards for acceptability by maltsters. Multiple quality criteria in addition to the grain yield makes ranking of genotypes challenging. The objective of this study was to apply data envelopment analysis (DEA) models to rank the efficiencies of 27 winter barley entries based on grain yield and quality indices. Four methods of DEA including Charnes, Cooper and Rhodes (CCR), Färe and Grosskopf (FG), Banker, Charnes and Cooper (BCC), and Seiford and Thrall (ST) used for the ranking. Testing trial included 14 two-rows and 13 six-rows winter barley. All entries except two, demonstrated high winter survival ratings. Overall, the six-row cultivars out-yielded the two-row cultivars by 18%. However, in terms of brewing quality, the two-row entries performed better than six-row entries and had 40% lower thinness, 12% higher plump, and lower grain protein content. The six-row entries had 32% higher germinative energy than two-row entries. The ranking by four models were not similar, however, SU-Mateo and Calypso had the highest efficiency (1.0) by all four models followed by Wintmalt and Vincenta.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».