MétaCan
Menu
Retour à la cohorte
Enregistrement W2960555554 · doi:10.5430/rwe.v10n2p62

Application of Plated Rubber System (PRESS) for Rubber Identification

2019· article· en· W2960555554 sur OpenAlexvenueno aff
Razman Hafifi Redzuan, Mohamed Dahlan Ibrahim, Mohd Rosli Mohamad

Notice bibliographique

RevueResearch in World Economy · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectricity Theft Detection Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNatural rubberRespondentCommodityBusinessIdentification (biology)FinanceLawMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Rubber prices are influenced by several factors including supply and demand especially from countries who are major rubber producers and consumers as well the growth rate of the world economy. High rubber prices increase the incidence of rubber theft, thus forcing the owners to build hut and camp in their rubber estates to prevent such occurrence. Rubber theft becomes prevalent not only at night but also in the broad daylight as the commodity price increases. From the survey, it has been noted that more than 10 incidents of theft have been reported within 15 days. Plated Rubber System (PRESS) was developed to imprint an identification entity on rubber that leads to identifying the ownership. With the invention of this system, the stolen number of rubber can be reduced because each rubber smallholders has their personal serial identification plate. The main objective PRESS is to establish an identification of rubber, helping to reduce the theft of rubber at farm level as well as to curb the sale of stolen rubber. In addition, it can be used to regulate the quality of rubber produced by smallholders and developing a database profile of rubber smallholders. The finding shows that the respondent agreed that the innovation of PRESS may help them to reduce the prevalence of rubber theft and increase the good practice of plantation management that leads to greater efficiency and productivity.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,305
Écart entre enseignants0,278 · 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'étudeExpérimental (laboratoire)
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 revueResearch in World EconomyMême sujetElectricity Theft Detection TechniquesTravaux en français237 207