MétaCan
Menu
Retour à la cohorte
Enregistrement W3135041865

Development of grapes and wine-making industry of Moldova on the basis of modern achievements of science and innovations

2020· article· en· W3135041865 sur OpenAlexaboutno aff
Boris Gaina, Svetlana Fedorchukova, Galina Gobirman

Notice bibliographique

RevueMunich Personal RePEc Archive (Munich University) · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWinemakingWineVineyardBiotechnologyEconomyPolitical scienceAgricultural economicsEnvironmental protectionBusinessEngineeringGeographyHorticultureEconomicsBiologyFood science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The wine-growing and wine-making complex of Moldova has come a long way: from metal-intensive technical equipment from unalloyed steels to modern European equipment from stainless, food-grade material. All new vineyard plantings are created from planting of certified material of our own production or acquired in Italy, France
\nand Germany. At the present stage, vineyard plantations in Moldova are 80% occupied by classic European varieties. The rest - are local indigenous varieties. All technological processes in primary winemaking are based on modern biotechnology achievements and innovations: enzymes for clarifying wort, yeast for fermentation and bacteria to reduce acidity in red wines. The well-known preservative - sulfur dioxide is replaced with inert gases (nitrogen, carbon dioxide) and the use of low temperatures. Table wines are exported mainly to Romania, the Czech Republic, Germany, Poland, China, the United States and Canada. All the achievements of viticulture and winemaking in Moldova are based on the latest scientific and technological progress, developed and implemented in the Republic of Moldova by scientists from the Academy of Sciences of Moldova, universities, as well as specialists from the National Office of Grapes and Wine.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,714
Score d'incertitude au seuil0,393

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,064
Tête enseignante GPT0,250
Écart entre enseignants0,185 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMunich Personal RePEc Archive (Munich University)Même sujetHorticultural and Viticultural ResearchTravaux en français237 207