MétaCan
Menu
Retour à la cohorte
Enregistrement W4362685479 · doi:10.33545/2664844x.2023.v5.i1b.127

Precision agriculture: Disruption and transformation of the agriculture and food industry

2023· article· en· W4362685479 sur OpenAlexaff
Charles McMillan

Notice bibliographique

RevueInternational Journal of Agriculture and Food Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSmart Agriculture and AI
Établissements canadiensOntario Council of University Libraries
Organismes subventionnairesnon disponible
Mots-clésAgriculturePrecision agricultureCrop rotationProduction (economics)Agricultural engineeringBusinessValue (mathematics)Value chainLivestockEnvironmental resource managementAgricultural scienceAgricultural economicsAgroforestryNatural resource economicsComputer scienceEnvironmental scienceGeographyEngineeringEconomicsSupply chainMarketing

Résumé

récupéré en direct d'OpenAlex

Precision agriculture is a new science-based paradigm reflected the digital, science, and protein disruptions in agriculture and food production. It reforms and reframes the traditional value chain, and incorporates novel ecosystems, data management, and new digital tools at each stage. The precision agriculture paradigm incorporates traditional tools like crop rotation, new livestock, seed cultivation, soil management and mechanization that alone and in combination increased crop yields and optimum use of land. But the new paradigm allows farmers and other players across the value chain to apply and use new tools of data management, superior understanding of food and health, and the impact of climate change on traditional agricultural methods and better mitigation tools for risk management.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil0,256

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,235
Écart entre enseignants0,219 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Agriculture and Food ScienceMême sujetSmart Agriculture and AITravaux en français237 207