MétaCan
Menu
← Retour à la cohorte
Enregistrement W3094554224 · doi:10.18192/csfj.v2i1.20191720

Horse Power: Turning Manure into Power for Small Acreages using a Biodigester

2019· article· en· W3094554224 sur OpenAlexaboutno aff
Liam Christian

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésManureStewardship (theology)Environmental scienceSurface runoffAgricultureNatural resourceBusinessLand useAgricultural scienceAgroforestryWater resource managementGeographyAgronomyEcologyBiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Rural landscapes in Alberta are changing. The number of small acreages is growing, and these new rural residents often need, and benefit from, resources on how best to manage their land and animals. Rural residents have a direct impact on the natural environment and should, therefore, practice land stewardship. Land stewardship is the act of taking care of the land you own in a way that benefits the natural environment. Proper manure management is one example of how small acreage owners can practice land stewardship, because poorly managed manure piles can negatively affect water quality (Warren & Sweet, 2003). For example, runoff from manure piles can carry excess nutrients, pathogens, and organic material into groundwater (Warren & Sweet, 2003). In addition, manure piles can become a breeding ground for flies and other insects (Warren & Sweet, 2003). Considering that the average 450 kg horse produces 16.65 kg of feces per day (Westendorf, 2019), knowing what to do with the manure and understanding the potential benefits of feces (i.e. biogas production) can go a long way in helping the environment.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,119
Score d'incertitude au seuil0,237

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 technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0310,003

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 Opus0,021
Tête enseignante GPT0,223
Écart entre enseignants0,203 · 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'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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBioenergy crop production and management→Travaux en français237 207→