MétaCan
Menu
Retour à la cohorte
Enregistrement W2943939508 · doi:10.1139/cjas-2017-0179

Typologie des élevages bovins laitiers de la région de Souk-Ahras (Algérie)

2019· article· fr· W2943939508 sur OpenAlexvenueno aff
R. Yozmane, L. Mebirouk-Boudechiche, K. Chaker-Houd, Saddek Abdelmadjid

Notice bibliographique

RevueCanadian Journal of Animal Science · 2019
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForestryGeography

Résumé

récupéré en direct d'OpenAlex

L’étude typologique mise en place a pour but de caractériser les différents types d’élevages bovins laitiers dans la wilaya de Souk-Ahras à vocation laitière en Algérie. Pour ceci, nous avons analysé les données d’une enquête qui a porté sur 91 exploitations: analyse des correspondances multiples, suivie d’une classification ascendante hiérarchique. L’analyse a démontré que le foncier, la taille de cheptel et la race sont les principales caractéristiques qui discriminent les trois groupes identifiés (G1, G2 et G3). Les résultats ont en outre démontré une très faible productivité des élevages malgré l’importance du potentiel génétique du cheptel. Ainsi une surface agricole utile et une taille du cheptel importantes dans les deux premiers groupes (G1 et G2) n’ont pas contribué à l’amélioration de la productivité qui reste similaire au (G3) dans lequel la contrainte foncière est plus accentuée. Cette situation est attribuée principalement à la faible production fourragère en raison de la faible pluviométrie et des surfaces irriguées, réservées principalement aux cultures céréalières jugées plus rentables. Devant ce constat, la forte dépendance envers les approvisionnements en concentré dans la ration des vaches peut s’expliquer par les faibles quantités des fourrages disponibles dans les exploitations étudiées.

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)0,001
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 enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
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)0,0020,000

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 GPT0,260
Écart entre enseignants0,239 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetAgriculture and Rural Development ResearchTravaux en français237 207