MétaCan
Menu
Retour à la cohorte
Enregistrement W3140299880 · doi:10.17076/eb1383

Algal Extracts as Plant Growth Biostimulants

2021· article· en· W3140299880 sur OpenAlexfundno aff
Татьяна Геннадиевна Шибаева, Е. Г. Шерудило, А. Ф. Титов, Tatyana Shibaeva

Notice bibliographique

RevueProceedings of the Karelian Research Centre of the Russian Academy of Sciences · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Industry and Aquatic Biology
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TasmaniaEuropean CommissionUniversity of CambridgeYork UniversityU.S. Department of Agriculture
Mots-clésCuttingRhizosphereShootGerminationAbiotic stressPlant growthAbiotic componentAgricultureNutrientBiologyAgronomyBotanyBiotechnologyEcologyBacteria

Résumé

récupéré en direct d'OpenAlex

The review summarizes and systematizesthe data accumulated in recent years as a result of research and commercial trials of seaweed extracts (SE). The results of the assessment of SE as a special class of biostimulants and the key problems of the manufacturing process of SE biostimulants are presented. The chemical composition of SE and a range of their positive effects on plants, such as accelerating seed germination and rooting of cuttings, stimulating the growth of shoots and roots, increasing the efficiency of nutrient uptake and plant yield are described. Evidence is given for the ability of SE to alleviate plant stress caused by various abiotic or biotic factors. Possible involved mechanisms at metabolic and genetic level are discussed. Examples of the influence of SE on plant rhizosphere are considered. The priority tasks are stated, the solution of which should determine the prospects for the use of SE in agriculture in the coming years.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,815

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,082
Tête enseignante GPT0,314
Écart entre enseignants0,231 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Karelian Research Centre of the Russian Academy of SciencesMême sujetFood Industry and Aquatic BiologyTravaux en français237 207