MétaCan
Menu
Retour à la cohorte
Enregistrement W3154306739 · doi:10.5539/jas.v13n5p171

Tropical Viticulture Diagnosis in the North and Northwest Fluminense

2021· article· en· W3154306739 sur OpenAlexvenueno aff
Jaomara Nascimento da Silva, Niraldo José Ponciano, Paulo Marcelo de Souza, Cláudio Luiz Melo de Souza, Leandro Hespanhol Viana, Marcelo Geraldo de Morais Silva, Marcela Brite Alfaiate, Carla Roberta Ferraz Carvalho Bila, Rogério Figueiredo Daher, Geraldo de Amaral Gravina

Notice bibliographique

RevueJournal of Agricultural Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRural Development and Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésViticultureHectareDiversification (marketing strategy)AgricultureProductivityEconomic shortageProduct (mathematics)GeographyProduction (economics)BusinessAgroforestryWineEconomicsEnvironmental scienceMarketingMathematicsBiologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Viticulture has proved to be an alternative for farmers in the northen and northwestern Rio de Janeiro State; however, the activity is still very recent and requires the development of agronomic and managerial techniques. Therefore, the objective of this work was to diagnose the production areas and the characteristics inherent to the inner and outer environment of this farming enterprise. It was observed that the grape-growing farms predominate in an average area of 1 hectare, with productivity between 20 and 25 t/ha, with offer in the harvest and in the off-season. The inner points are stronger than the weak ones, and can be adjusted with the joint execution of the viticulturists allied to the opportunities, such as agrotourism and the diversification of available cultivars that allow a greater offer of the product and minimize the inherent threats observed, such as climatic variations and the shortage of skilled labor. These identified points may indicate competitiveness strategies for the wine market in the studied regions.

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)0,000
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 enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
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 Opus0,005
Tête enseignante GPT0,185
Écart entre enseignants0,181 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetRural Development and AgricultureTravaux en français237 207