MétaCan
Menu
Retour à la cohorte
Enregistrement W3084730613 · doi:10.4231/phkh-4334

Alfalfa Variety Trial Database, 1986-1999

2020· article· en· W3084730613 sur OpenAlexaboutno aff
D. Wiersma, W. G. Hartman, Stanislav Pejša, Sylvie M. Brouder, Jeffrey J. Volenec

Notice bibliographique

RevuePurdue University Research Repository · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)DatabaseComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The dataset contain archived copy of the Alfalfa Variety Performance Database originally compiled in 2000 by Daniel W. Wiersma and Wayne G. Hartman that contains forage yield and quality results, and plant stand estimates from over 700 alfalfa variety tests conducted by researchers in the US and Canada from 1986 through 1999. The database was used to analyze long-term trends in genetic improvement of alfalfa yield and agronomic performance. Data were originally compiled in an Access database. This publication contains the database both in the Access database format (*.mdb) and as mysql dump (*mysql). The *.mdb file was fully operational in the version Access 2019 and the mysql data were successfully inserted into a MySQL data prior to their archiving. In addition, the data in individual tables were exported as a set of twenty one CSV files (plus two edited files) that were also preserved in this dataset. Four additional datasets were created from the database tables and published in PURR. The alfalfa variety metadata dataset contains descriptors and characteristic of over 2900 alfalfa varieties and experimental lines used in these variety trials. Three companion datasets extracted from the original database contain the yield, forage quality, and stand persistence data.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,021

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 Opus0,090
Tête enseignante GPT0,274
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'étudeSans objet
Domainenon disponible
GenreJeu de données

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 revuePurdue University Research RepositoryMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207