MétaCan
Menu
Retour à la cohorte
Enregistrement W3037220951 · doi:10.22616/erdev.2020.19.tf059

Influence of milking robot application on cow longevity and amount of somatic cells in milk

2020· article· en· W3037220951 sur OpenAlexaboutno aff
Maris Mangalis, Juris Priekulis, Armins Laurs

Notice bibliographique

RevueEngineering for Rural Development · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMilk Quality and Mastitis in Dairy Cows
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMilkingAutomatic milkingSomatic cell countAnimal scienceLatvianAgricultural scienceOperations managementMathematicsEngineeringBiologyLactation

Résumé

récupéré en direct d'OpenAlex

The research has been performed in the teaching and research farm, where a part of cows were milked with two milking robots VMS produced by the company De Laval, but other cows -in a separate parlour with side by side 2x10 type milking equipment.For the research, animals that were not rejected due to traumatism or any specific disease were selected.The information on the length of the productive life of the cows was obtained from the management system of the farm and the Latvian Data Centre In the study, we used data from the Latvian Data Centre (LDC) for 173 Holstein black and white (HM) and 391 Latvian brown (LB) cows.thequality of the obtained milk was evaluated according to the number of somatic cells in it that was determined in the result of laboratory analyses.In the research it was stated that for the cows milked with robots the length of the productive life increases by approximately half year.In turn, evaluating according to the amount of somatic cells, it was stated that the obtained milk complies with the requirements of the normative standards.Nevertheless, it cannot be unequivocally ascertained that using milking robots the quality of milk is always higher than using the side-by-side type milking equipment.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,197
Écart entre enseignants0,184 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering for Rural DevelopmentMême sujetMilk Quality and Mastitis in Dairy CowsTravaux en français237 207