MétaCan
Menu
Retour à la cohorte
Enregistrement W2990261223

ANALYSIS OF EFFICIENCY INDICATORS OF FLAX FOR OIL CULTURES

2019· article· ro· W2990261223 sur OpenAlexaboutno aff
Ioana Anda Milin, Iuliana Ioana Merce, Cornelia Petroman, Elena Peț, Remus Gherman

Notice bibliographique

RevueLucrări Științifice, Universitatea de Științe Agricole Și Medicină Veterinară a Banatului, Timisoara, Seria I, Management Agricol · 2019
Typearticle
Languero
DomaineBusiness, Management and Accounting
ThématiqueVaried Academic Research Topics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographyChinaEuropean unionCompetition (biology)RomanianAgricultural economicsOil productionCropOlive oilEconomyBusinessInternational tradeEconomicsForestryBiologyEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The origin of area of the flax for oil is considered to be the center and west of Asia, from where it spread to the west and north. At present, about 50% of the area cultivated with oil flakes is in Asia (India being the largest cultivator, followed by China), about 25% of the cultivated area is in North America (Canada). Europe grows flax  for oil in UK, France, Russian Federation, Belarus and Ukraine (which are seriously investing in the production of linseed  for oil, which they export to Europe). The causes that hinder the expansion of culture in European countries are low production and inconsistency ,as well as strong competition from Canada's seed imports. The European Union is the largest consumer of seeds and flax for oil. In Romania, in recent years, the interest of farmers for this culture has diminished greatly due to the lack of demand for linseed oil on the Romanian market. In the paper we have conducted an economic efficiency study for this crop, for two years, a study conducted within a plant farm in Timis County.

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)0,004
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,009
Tête enseignante GPT0,249
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLucrări Științifice, Universitatea de Științe Agricole Și Medicină Veterinară a Banatului, Timisoara, Seria I, Management AgricolMême sujetVaried Academic Research TopicsTravaux en français237 207