PEMANFAATAN TEKNOLOGI PENGELOLAAN OPT TANAMAN SAYURAN BERBAHAN BAKU RAMAH LINGKUNGAN DI KANAGARIAN LASI KECAMATAN CANDUANG KABUPATEN AGAM
Notice bibliographique
Résumé
Kegiatan tentang pemanfaatan teknologi pengelolaan organisme penganggu tanaman (OPT) pada tanaman sayuran berbahan baku ramah lingkungan telah dilakukan di Kelompok Tani Mitra di Nagari Lasi Kecamatan Canduang Kabupaten Agam pada bulan September hingga November 2016. Kegiatan ini bertujuan untuk meningkatkan pengetahuan petani tentang serangan OPT sayuran dan bagaimana mengelola OPT menggunakan biopestisida dan pestisida botani. Kegiatan ini meliputi: pemantauan tingkat serangan OPT di lahan mitra, penyuluhan, pelatihan, dan evaluasi hasil kegiatan. Hasil pemantauan tingkat serangan OPT pada tanaman sayuran mitra berkisar antara 18 - 27% untuk penyakit dan 15 - 20% untuk hama. Dari kegiatan dapat dikesimpulkaan yaitu: (1) tingkat OPT pada tanaman sayuran mitra cukup tinggi, (2) Petani belum memahami OPT yang menyerang tanaman sayuran mereka, (3) Petani tidak memahami metode pengelolaan OPT menggunakan biopestisida dan pestisida botani, dan (4) penyuluhan dan praktek lapangan, telah meningkatkan pengetahuan petani tentang pengelolaan OPT sayuran dengan menggunakan biopestisida dan pestisida botani.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».