MétaCan
Menu
Retour à la cohorte
Enregistrement W4387265776 · doi:10.1094/phytofr-08-23-0109-a

Field Crop Yield Loss Calculator for Disease and Invertebrate Pests: An Online Tool from the Crop Protection Network

2023· article· en· W4387265776 sur OpenAlexafffundabout
Daren S. Mueller, Adam Sisson, Brittany Eide, Thomas Wesley Allen, Carl A. Bradley, Travis Faske, Andrew Friskop, Kathy Lawrence, Fred R. Musser, Dominic Reisig, Albert Tenuta, Kiersten Wise

Notice bibliographique

RevuePhytoFrontiers™ · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueNematode management and characterization studies
Établissements canadiensMinistry of Agriculture, Food and Rural Affairs
Organismes subventionnairesOntario Ministry of Agriculture, Food and Rural AffairsNational Corn Growers AssociationUnited Soybean BoardCotton Incorporated
Mots-clésCalculatorCropYield (engineering)AgricultureCrop protectionCommodityGovernment (linguistics)Resource (disambiguation)Agricultural engineeringAgricultural economicsAgroforestryBusinessComputer scienceBiologyAgronomyEngineeringEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

The Field Crop Disease and Invertebrate Loss Calculator Web Tool is an interactive online resource showcasing estimates of the yield reduction and economic impact of plant diseases and invertebrate pests over time and location. Accessible through the Crop Protection Network website ( https://www.cropprotectionnetwork.org ), this free online research tool was developed to inform agronomists and researchers across industry and academia, extension workers, commodity groups, and funding agencies about the impact of crop disease and invertebrate pests. The tool enables widespread user access through commonly used web browsers on computers, tablets, and mobile devices. Yield loss estimates are generally obtained through annual surveys of university-affiliated specialists or others with experience in crop protection. Production data are primarily obtained from U.S. and Canadian government agencies. A detailed understanding of the economic impacts of plant disease and invertebrate pests provides valuable information that can inform the allocation of resources to reduce losses in major field crops. [Formula: see text] Copyright © 2024 The Author(s). This is an open access article distributed under the CC BY-NC-ND 4.0 International license .

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)0,000
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 enseignants0,564
Score d'incertitude au seuil0,325

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,052
Tête enseignante GPT0,238
Écart entre enseignants0,186 · 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

Citations6
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePhytoFrontiers™Même sujetNematode management and characterization studiesTravaux en français237 207