MétaCan
Menu
Retour à la cohorte
Enregistrement W4367395806 · doi:10.35726/jvip.v3i2.1498

Kinerja Pertumbuhan Ikan Lele Yang Dipelihara Dalam Sistem Budikdamber

2023· article· id· W4367395806 sur OpenAlexaff
Alexander Simon Tanody, Wahyuni Fanggi Tasik

Notice bibliographique

RevueJURNAL VOKASI ILMU-ILMU PERIKANAN (JVIP) · 2023
Typearticle
Langueid
DomaineAgricultural and Biological Sciences
ThématiqueAquatic life and conservation
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Tujuan dari penelitian ini adalah untuk mengevaluasi kinerja pertumbuhan ikan lele yang dipelihara dalam sistem budikdamber sebagai rekomendasi sistem budidaya ikan dalam wadah kecil, tidak membutuhkan lahan yang luas, mudah didapatkan dan teknologinya dapat diterapkan oleh berbagai kalangan. Tahapan penelitian terdiri atas: a) Merancang sistem budidaya ikan, b) pemeliharaan ikan, c) analisa kinerja pertumbuhan ikan. Hasil penelitian menunjukkan bahwa ikan yang dipeliharan dalam sistem budikdamber dengan menggunakan tanaman kangkung memiliki panjang dan bobot yang lebih baik yaitu panjang sebesar 20,79±3,49 cm dan bobot sebesar 63,58±29,29 g dibandingkan dengan sistem konvensional yaitu panjang 18,32±2,85 cm dan bobot 40,26±19,32 g. Sehingga disimpulkan bahwa pemeliharaan ikan dalam ember (budikdamber) dapat menjadi metode alternatif untuk diterapkan oleh masyarakat perkotaan yang memiliki keterbatasan lahan dalam memelihara ikan lele. Kata kunci : budidaya lele, budikdamber, lahan terbatas

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,005

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 Opus0,037
Tête enseignante GPT0,246
Écart entre enseignants0,209 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJURNAL VOKASI ILMU-ILMU PERIKANAN (JVIP)Même sujetAquatic life and conservationTravaux en français237 207