MétaCan
Menu
Retour à la cohorte
Enregistrement W4376134118 · doi:10.33943/mms.2023.80.12.004

THE RESULTS OF PUREBRED AND CROSSBRED  BEEF CATTLE BREEDING’S IMITATION MODELING

2023· article· ru· W4376134118 sur OpenAlexaboutno aff
В.Ю. СИДОРОВА

Notice bibliographique

RevueMolochnoe i miasnoe skotovodstvo · 2023
Typearticle
Langueru
DomaineAgricultural and Biological Sciences
ThématiqueFood Industry and Aquatic Biology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPurebredCrossbreedLivestockAnimal scienceIce calvingBiologyReproductionBeef cattleAnimal breedingHerdBiotechnologyLactationEcologyPregnancy

Résumé

récupéré en direct d'OpenAlex

В структуре производства крупного рогатого скота на мясные цели доля продукции от разведения чистопородного и помесного скота составляет около 20%. Цель исследования — определить особенности разведения чистопородного и помесного мясного скота, установить эффективность использования резервов при его разведении на мясные цели с применением инновационных технологий кормления и содержания. Модель воспроизводства стада — 284 (продолжительность стельности — постоянная величина) и 90 (сервис–период — изменяемая величина) — показала, что наиболее близкими к эффективному воспроизводству скота для мясных целей оказались животные мясного направления продуктивности с сезонными отелами. Вопрос влияния других различных элементов технологии выращивания на эффективность разведения чистопородных и помесных животных на откорме изучен недостаточно полно и требует уточнения. Результаты исследований, отражающие различия в технологии выращивания мясного скота, показали, что для определения эффективности разведения крупного рогатого скота различных конституциональных типов был разработан методический подход с математическим и логическим выражением регрессии признаков: f1/f2+m1/m2+g1/g2+(n∑y…u), где переменные g, m, f — математические, а остальные — логические признаки: при использовании резервов выращивания до 18-месячного возраста живая масса бычков черно-пестрой породы достигает 395,4 кг, помесных бычков — 431,5 кг, а абердин ангусских — 600—650 кг. In the cattle production for meat purposes’ structure , the share of products from both purebred and mixed cattle breeding reaches about 20%: for comparison, this figure in the USA and Canada reaches 70-75%, in Australia — 85%, in EU countries — 40—50%. The purpose of the study was the purebred and mixed beef cattle breeding features to determine, and in breeding effectiveness reserves for cattle for meat purposes with innovative technologies using for young animals’ feeding and keeping to establish. The herd reproduction model, which takes the form is: 284 (pregnancy duration — constant value) + 90 (service period — variable value) showed that the animals of the meat production with seasonal calving were the closest to the effective reproduction of livestock for meat purposes. At the same time, the issue of the influence of other various elements of the raising technology of purebred and crossbred animals breeding for fattening’s efficiency has not been studied fully enough and requires clarification. To determine the effectiveness of breeding various types of livestock, a methodological approach was developed, with a mathematical and logical expression of regression features: f1/f2 + m1/m2 +g1/g2 +(n∑y...u), where the variables g, m, f are mathematical, and the rest logical.The research results reflecting differences in the beef cattle raising technology, showed that reserves using for growing up to 18 months of age, black-and-white bulls reach a live weight of 395.4 kg, crossbred bulls — 431.5 kg, and Aberdeen-Angus bulls — 600—650 kg.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,538
Score d'incertitude au seuil0,786

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,061
Tête enseignante GPT0,267
Écart entre enseignants0,206 · 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'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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolochnoe i miasnoe skotovodstvoMême sujetFood Industry and Aquatic BiologyTravaux en français237 207