Research status of seed improvement in underutilized crops: prospects for enhancing food security
Notice bibliographique
Résumé
Abstract Planning future directions and adapting approaches for seed improvement in underutilized crops requires the assessment of research activities. We have examined the trends and research activities conducted on seed improvement of underutilized crops. We identified research hotspots based on keywords and prolific research titles mapped across three decades (1990 to 2021). Data were compiled using Google Scholar, Web of Science and Scopus databases, loaded into the bibliometric R-package and viewed via VOSviewers software. In research on seed improvement among underutilized crops (SUC), we have observed 7.2% annual growth in publication and increase in the studies and citations. There were strong research publications with strong research links from studies conducted in USA, Canada, India, Nigeria and China, while South Africa and Egypt were among the African countries with high research studies in SUC. Among underutilized crops with improvement among their seed traits are sorghum, quinoa, Bambara groundnut, amaranth, barley, tef, cowpea and millet. Some of the trending research areas are genetic diversity, seed performance, seed domestication, yield, crop management, water use efficiency, nutritional properties, molecular strategies and genetic analysis tools for seed improvement. There is gradual increase for international collaborations and funding in SUC studies. The current research emphases are on qualitative studies, appropriate methodological procedures and advanced breeding resources to help understand and promote seed improvement among underutilized crops.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».