MétaCan
Menu
Retour à la cohorte
Enregistrement W3000043376 · doi:10.5539/jas.v12n2p71

Kinetics and Quality of Quinoa Seeds After Drying and During Storage

2020· article· en· W3000043376 sur OpenAlexvenueno aff
Éder Stolben Moscon, Luiz Eduardo Bassay Blum, Carlos Roberto Spehar, Samuel Martín, Marcelo Fagioli, Justino José Dias Neto

Notice bibliographique

RevueJournal of Agricultural Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSeed and Plant Biochemistry
Établissements canadiensnon disponible
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésGerminationWater contentTrayMoistureHorticultureChenopodium quinoaEnvironmental scienceBotanyChemistryBiology

Résumé

récupéré en direct d'OpenAlex

This study aimed to assess the effect of different drying forms, environments, and storage periods on germination and sanitary quality of quinoa seeds cv. BRS Syetetuba. Seeds were submitted to drying in forced air circulation chamber at 30, 40, and 50 °C and in a suspended tray, in full sun, until they reached ±12% of moisture content. The observed drying data were adjusted to 10 mathematical models. The storage for 360 days was continuous in three different environments. Seeds were evaluated at 0, 6, and 12 months for germination, first count of germination, moisture content, and sanity tests. The experimental design was completely randomized, in a split split-plot scheme with four replicates. Among the studied models, Midilli was efficient in describing the drying curves of quinoa seeds. The storage environment influenced the loss of seed quality more than the drying temperature. The increased storage period caused a decrease on fungal seed incidence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,808
Score d'incertitude au seuil0,106

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,221
Écart entre enseignants0,198 · 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 tête enseignante, 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSeed and Plant BiochemistryTravaux en français237 207