MétaCan
Menu
Retour à la cohorte
Enregistrement W3027547856 · doi:10.1021/acs.jafc.0c02809

Changing the Landscape: An Introduction to the Agricultural and Food Chemistry Technical Program at the 258th American Chemical Society National Meeting in San Diego

2020· article· en· W3027547856 sur OpenAlexaff
Michael Appell, Atanu Biswas, SeChin Chang, Wei Chen, H. N. Cheng, Jim Daily, Xuetong Fan, Michael Granvogl, Mingming Guo, Yoshihiro Ito, Tony Z. Jin, Masuko Kobori, Jane V. Leland, LinShu Liu, Yangchao Luo, Shaun MacMahon, Kanjana Mahattanatawee, Sunghyun Nam, Coralia Osorio, Bosoon Park, Daxi Ren, Shengmin Sang, Fereidoon Shahidi, Michael H. Tunick, Chibuike C. Udenigwe, Qin Wang, Wallace Yokoyama, Liangli Yu, Yaqiong Zhang, Yingdong Zhu

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePhytase and its Applications
Établissements canadiensUniversity of OttawaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésAgricultureLibrary scienceFood supplyPolitical scienceEngineeringEngineering ethicsBiotechnologyEnvironmental scienceAgricultural scienceComputer scienceBiologyEcology

Résumé

récupéré en direct d'OpenAlex

(JAFC) is a highlight of the Agricultural and Food Chemistry Division (AGFD) technical program at the 258th National Meeting of the American Chemical Society (ACS) in San Diego, CA, U.S.A., on August 25-29, 2019. At the conference, AGFD had 44 oral sessions at 19 symposia and 100 poster presentations with more than 400 abstract submissions. The technical program covered a broad range of current research and development topics in agricultural and food chemistry, including bioactive food components, diet and human nutrition, utilization of agricultural materials in food systems, food packaging, nanotechnology, and food safety, as well as several special award symposia. This is the first JAFC special issue that highlights an ACS national meeting program with joint efforts from AGFD.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,207 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetPhytase and its ApplicationsTravaux en français237 207