MétaCan
Menu
Retour à la cohorte
Enregistrement W4256131385 · doi:10.2331/suisan.86.144

Prize Winners of the Japanese Society of Fisheries Science Awards 2019

2020· article· en· W4256131385 sur OpenAlexaff
Koichi Okuzawa, 特に抗 Gnrh, 研究に Gnrh, C 末端の細胞内領域を持つこと, Gnrh 受容体, の構造解明により 他の魚種における同様の研究が発展した, サケ科魚類以外での研究事例が極めて少なかった濾胞刺激ホルモン, Bpg 軸がどのような制御を受けているか, という問題にも取, り組み マダイにおける高水温による産卵期の終了過程では, Gnrh 受容体の遺伝子発現の低下が最も初期に起こり, 東京海洋大学, 三重大学, 長崎大学, 東南アジア漁業開発センターなどで講義, を行って知識を普及した 同氏は, 質の高い基礎研究が実際の養殖の現場で応用可能であり, 極めて有効な手法を生み出

Notice bibliographique

RevueNIPPON SUISAN GAKKAISHI · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Industry and Aquatic Biology
Établissements canadiensBC Studies
Organismes subventionnairesnon disponible
Mots-clésFisheryFisheries scienceBiologyFisheries managementFishing

Résumé

récupéré en direct d'OpenAlex

まであまり例の無かった海産の養殖魚類にまで対象を広げて,長年に渡り展開した。 魚類脳内に存在する複数分子種の生殖腺刺激ホルモン放出ホルモン(gonadotropin-releasing hormone, GnRH)に対す

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,323

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,000
Communication savante0,0040,001
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0970,037

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 Opus0,040
Tête enseignante GPT0,221
Écart entre enseignants0,182 · 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
GenreAutre

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNIPPON SUISAN GAKKAISHIMême sujetFood Industry and Aquatic BiologyTravaux en français237 207