MétaCan
Menu
← Retour à la cohorte
Enregistrement W4213045520 · doi:10.1139/cjps-2021-0276

AAC Excellence oat

2022· article· en· W4213045520 sur OpenAlexaffvenueabout
Weikai Yan, Judith Fregeau-reid, Brad DeHaan, Steve Thomas, Matt Hayes, Richard A. Martin, Allan Cummiskey, Denis Pageau, Isabelle Morasse, Savka Orozovic, Jennifer Mitchell‐Fetch, Jim G. Menzies, Allen Xue, Nathan Mountain

Notice bibliographique

RevueCanadian Journal of Plant Science · 2022
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensBrandon UniversityDefence Research and Development CanadaHealth PEIUniversity of Prince Edward IslandUniversity of GuelphAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésExcellenceYield (engineering)AvenaCultivarTest weightCenter of excellenceAgricultureAgronomyMathematicsHorticultureGeographyBiologyComputer sciencePolitical scienceDatabaseArchaeology

Résumé

récupéré en direct d'OpenAlex

AAC Excellence is a covered, spring oat (Avena sativa L.) cultivar developed by the Ottawa Research and Development Center (ORDC), Agriculture and Agri-Food Canada (AAFC). It was derived from a four-way cross, OA1250-1/MN07205//Rigodon/HiFi, made in 2009. It has been tested in the Quebec provincial Oat Registration and Recommendation (QCORR) trials since 2017. Based on orthogonal data from the 2018–2021 QCORR trials, AAC Excellence yielded 6% higher than the mean of official checks (AAC Dieter, Canmore, and CS Camden) and its yield was more stable across years than the checks and other cultivars. AAC Excellence had similar levels of test weight and kernel weight to those of the checks, a β-glucan level similar to Akina and better than AAC Nicolas and all checks, and a groat content level similar to AAC Nicolas and AC Dieter and better than Akina and other checks. It had a superior package of yield and quality and is most adapted to Quebec, the Maritimes, and northern Ontario.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,396

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1130,046

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 Opus0,023
Tête enseignante GPT0,217
Écart entre enseignants0,193 · 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'étudeSans objet
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

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant Science→Même sujetFood composition and properties→Travaux en français237 207→