MétaCan
Menu
Retour à la cohorte
Enregistrement W4212829228 · doi:10.5539/jas.v14n3p231

Application of Cow Urine as a Liquid Biofertilizer in Carrot Production in an Agro-sustainable System

2022· article· en· W4212829228 sur OpenAlexvenueno aff
Sinara Patrícia Mendes da Costa, Thaisa Aparecida Neres de Souza, Josiane Cantuária Figueiredo, Maria Josiane Martins, Débora Souza Mendes, Flávia Soares Aguiar, Maristella Martineli, Isabelle Carolyne Cardoso, Renato Martins Alves, Polyana Danyelle dos Santos Silva, Camila Maida de Albuquerque Maranhão, Amanda Maria Leal Pimenta, Guilherme Reis de Souza, Carlos Augusto Rodrigues Matrangolo, Fábio Cantuária Ribeiro, Regina Cássia Ferreira Ribeiro

Notice bibliographique

RevueJournal of Agricultural Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHumic Substances and Bio-Organic Studies
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorFundação de Amparo à Pesquisa do Estado de Minas GeraisUniversidade Estadual de Montes Claros
Mots-clésDaucus carotaUrineBiofertilizerAromaProductivityHorticultureFood scienceBiotechnologyChemistryBiologyBiochemistryEconomics

Résumé

récupéré en direct d'OpenAlex

Carrot (Daucus carota) is one of the most important vegetables in the world. Cow urine is a fertilizer available in rural areas and can be used in agriculture. However, there are no indications of the best dose to be used in carrots. The authors aimed with this work to evaluate different concentrations of cow urine in the cultivation of ‘Brasília’ carrots. The treatments consisted of five doses of cow urine (0%, 0.5%, 1.0%, 1.5% and 2.0%) applied during the culture cycle. After 90 days, the agronomic characteristics (weight, length, diameter, productivity, luminosity, chromaticity, and Hue angle) were evaluated. The application of cow urine increased the weight, diameter, and length of ‘Brasilia’ carrots.

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 enseignants0,003
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 savante0,0010,000
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 Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetHumic Substances and Bio-Organic StudiesTravaux en français237 207