MétaCan
Menu
Retour à la cohorte
Enregistrement W4301901664

SOURCES OF RESISTANCE OF SPRING BARLEY TO HARMFUL ORGANISMS IN COMBINATION WITH VALUE ECONOMIC FEATURES

2017· article· en· W4301901664 sur OpenAlexaboutno aff
I. N. Nyska, В. П. Петренкова

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Industry and Aquatic Biology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpring (device)Resistance (ecology)Value (mathematics)AgronomyBiologyEnvironmental scienceMathematicsEngineeringStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

During 2013-2016, resistance to biotic factors (head smut, barley blotches, corn flies) and valuable economic features (yield capacity, plant performance, 1000-grain weight, protein and starch contents) of 150 barley accessions of different geographic origin were determined on provocative background of frit flies and leaf diseases as well as on artificial infection of head smut. Sources of resistance to harmful organisms in combination with economic characteristics (yield capacity of 1 m2 – 64.8-95.0% related to the standard; plant performance – 80.1-136.4% related to the standard; 1000-grain weight- 40.8-56.3 g; protein content – 12.1-15.2%; starch content – 57.8-60.7%) were considered as valuable for breeding programs: in particular, 7 accessions with high resistance to head smut (resistance score 8 -9 points) – ‘Naran’, ‘Yasnyy’, ‘Shchedryy’, ‘Nemchinovskiy 36’, and ‘Buyan’ from Russia, ‘Statok’ from Ukraine and ‘AC Ranger’ from Canada; 1 accession with resistance to barley blotches (resistance score 5 points) - 08-696 from Ukraine; 3 accessions with group resistance (to head smut and barley blotches; resistance scores 9/8 and 6/5 points, respectively) – ‘CDC Mindon’, ‘Ascension’ and ‘Sedna’ from Canada; 1 accession with complex resistance (to head smut, barley blotches and frit flies; resistance score 9, 5 and 5, respectively) – ‘Skhidnyi’ from Ukraine

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

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
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,162
Tête enseignante GPT0,455
Écart entre enseignants0,294 · 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'étudeObservationnel
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetFood Industry and Aquatic BiologyTravaux en français237 207