MétaCan
Menu
Retour à la cohorte
Enregistrement W4322492849 · doi:10.1080/07373937.2023.2182316

A simple solar crop drying and pasteurizing system appropriate for smallholder and subsistence farmers in tropical and subtropical regions

2023· article· en· W4322492849 sur OpenAlexaff
Andrew G. Watson, Arun S. Mujumdar, Bhaskar N. Thorat, Shivanand S. Shirkole, Nikita S. Bhatkar

Notice bibliographique

RevueDrying Technology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCoffee research and impacts
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSubsistence agricultureAgricultureBusinessTropicsEnvironmental scienceAgricultural engineeringAgricultural scienceNatural resource economicsAgroforestryAgricultural economicsEngineeringEconomicsBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Open sun drying is the predominant process used for food preservation by smallholder and subsistence farmers (SHSFs), and their families, globally constituting about 2 billion people on about 475 million farms. The major problems with this process are the slow, unreliable speed of completion, rain-caused loss of vital food sources, risks from mycotoxin accumulation, environmental contamination, and loss of nutritional quality. SHSFs represent the poorest and least educated human demographic, whose survival is largely ignored by Governments, untouched by international aid programs, and with limited access to basic utilities. Solar drying systems can greatly improve the preservation of safe and nutritious food, but current systems deployed put this technology beyond the reach of the demographic which needs it most. Here, our objective was to develop the technology for the simplest low-cost drying system, which would minimize all risk factors, particularly eliminate mycotoxin accumulation, and which could be practically deployed by SHSFs.

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 seuil0,008

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)0,0020,001

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 Opus0,045
Tête enseignante GPT0,309
Écart entre enseignants0,264 · 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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrying TechnologyMême sujetCoffee research and impactsTravaux en français237 207