MétaCan
Menu
Retour à la cohorte
Enregistrement W3184362404 · doi:10.18280/ijdne.160306

An Effective Dose of Magnetic Field to Increase Sesame Plant Growth and Its Resistance to Fusarium oxysporum Wilt

2021· article· en· W3184362404 sur OpenAlexvenueno aff
Mokhamad Tirono, Farid Samsu Hananto, Suhariningsih Suhariningsih, Viranita Qurotul Aini

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMagnetic and Electromagnetic Effects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFusarium oxysporumGerminationFusarium wiltBiologyHorticultureChlorophyllAgronomy

Résumé

récupéré en direct d'OpenAlex

Globally, sesame consumption continues to increase, so it requires additional production to balance. Often there are obstacles in the production process, both technique and the presence of pests. One way to increase production is to treat it with a magnetic field during seed growth and germination. This study aims to determine the magnetic flux density (MFD) to obtain the optimal stem growth, chlorophyll content, fruit size, and plant resistance to Fusarium oxysporum. The seeds are processed by giving treatment using a MFD of 0.0-0.5 mT, which oscillates with a frequency of 50 Hz. Plant seeds were treated using a magnetic field every day for five days with a treatment time of 20 minutes each. The results showed that sesame seeds treated with magnetic fields had earlier emergence time of sprouts, higher stems, more chlorophyll content, faster flowering, larger fruit sizes, and more resistance to F. oxysporum wilt attacks. Treatment with a MFD of 0.3 mT resulted in optimal plant growth, health, and resistance to F. oxysporum attack. Treatment of seeds using magnetic fields ranging from wetting the seeds to germinating makes the plants healthier, bigger fruits, and more resistant to F. oxysporum wilt attacks.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,230
Écart entre enseignants0,227 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetMagnetic and Electromagnetic EffectsTravaux en français237 207