MétaCan
Menu
Retour à la cohorte
Enregistrement W3087047918 · doi:10.4236/oalib.1106522

Evaluation of the Association and Rotation of Maize with Legumes, in Direct Sowing in the Democratic Republic of Congo

2020· article· en· W3087047918 sur OpenAlexaff
Gertrude Khonde Pongi, Jean Pierre Tshiabukole Kabongo, Amand Kankolongo Mbuya, Stefan Hauser, Antoine Djamba MUMBA, Roger Vumilia Kizungu, Constant Nkongolo Kabwe

Notice bibliographique

RevueOALib · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésSowingDemocracyAssociation (psychology)Rotation (mathematics)AgronomyBiologyPolitical scienceMathematicsPsychologyLaw

Résumé

récupéré en direct d'OpenAlex

A study was carried out to find, in the intercropping system, the combination for optimizing maize production put into the direct seeding mulch-based cropping systems (DMC). Eight varieties of maize and two legumes were put into intercropping and rotated systems respectively in first and second season, following a factorial system with four replicates. In the second season, maize was sowed on mulch from sole crops and intercrops of first season. The results showed that in the first and second seasons, maize sole crop and maize on maize + cowpea mulch were more productive (2350.19 kgha -1 and 2974.82 kgha -1 respectively) than maize on maize + soybean mulch. But, Mudishi 3-soya and 07SADVE variety on maize + cowpea mulch obtained the greatest benefit for the various association systems (cost/benefit ratio = 4.04 and 2.01 respectively). Maize varieties have doubled, tripled or quadrupled their yields when rotated with cowpea and soybean, and the high yields observed in this study resulted in significant benefits in increasing their ratios whether in combination or in rotation. These new agricultural production techniques could free the farmer from tillage by leaving the cover plants to ensure equivalent work (DMC).

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,067

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 Opus0,032
Tête enseignante GPT0,241
Écart entre enseignants0,209 · 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 revueOALibMême sujetAgriculture and Rural Development ResearchTravaux en français237 207