Use of agriculture by-products (brans and meal) as food for Artemia franciscana (Kellogg, 1906) and effects on performance and biochemical compositions
Notice bibliographique
Résumé
Aquaculture needs to provide live food such as Artemia and one of the most important issues in A. franciscana rearing, is a food supply. The instar I nauplii were fed in seven treatments including Wheat bran, Rice bran, Soy-meal and algae (Dunaliella salina). For each treatment calculated growth rate, survival percentage, and body composition. At the reproductive period, 35 pairs were individually isolated from each treatment and transferred to 50 mL Falcon tubes in which the reproduction of females were monitored until their deaths. The result showed that in Artemia fed by the agricultural by-product, rice bran (10.71±0.80) and wheat bran (10.82±0.32) obtained the highest growth after control group (12.93±0.16), and the highest survival observed in control (56.00±1.76). Most of the offspring were observed in control (896.83±50.27) and wheat bran (880.37±43.88), but there was no statistical difference between them. Although A. franciscana was fed with rice bran similar to the control group in terms of body protein, Artemia was fed with wheat bran, significantly increased in body protein. According to the results of this study, it can be concluded that using wheat -and rice bran could be replaced about 90 percent of algae and kept the quality of culturing A. franciscana at best.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».