MétaCan
Menu
Retour à la cohorte
Enregistrement W4390681341 · doi:10.52269/22266070_2023_1_132

YIELD AND FEATURES DETERMINING PRODUCT QUALITY IN SAMPLES OF ALFALFA COLLECTION

2023· article· en· W4390681341 sur OpenAlexaboutno aff
Amankeldi Turgambekovich Kenebaev, Sakysh Yerzhanova, Minura Yesimbekova, Serik Sarybaevich Abaev

Notice bibliographique

Revue3i intellect idea innovation - интеллект идея инновация · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Productivity and Crop Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSowingYield (engineering)GeographyAgronomyHorticultureForestryBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

The research was carried out in order to identify collection samples of alfalfa (M. sativa) and variable (M. sativa x M. varia), promising for breeding in the south-east of Kazakhstan. Sowing was carried out in the spring of 2019, by a coverless method, calculations for 2019-2021. The material for the study was 134 varieties of various ecological and geographical origin, the standard is the local variety Semirechenskaya local. As a result of the study of genotypes, samples of alfalfa (M. sativa) showed good bushiness: (k-14) from the USA, (k-5677) Italy, (k-315) France, (k-5677) Italy, (k-5677) Italy, k-267) Uzbekistan, more than the standard for three years on average by 11-12 pieces. Whereas in alfalfa the following samples distinguished themselves: (k-39932) from Canada, (k-26713) Ukraine, (k-47492) Kazakhstan, (k-23206) Ukraine (k-34627) Kazakhstan, these samples exceeded the standard by an average of 3 – 5 pieces. In terms of foliage in alfalfa, the highest indicators were in samples: (k-45479) from Russia and (k-5677) Italy, as well as in alfalfa variables (k-31885) Russia, (k-33299) Canada, (k-39932) Canada, (k-61324) Kazakhstan. In both species of alfalfa, leafiness varied within 51.0 – 52.3%, the excess over the standard was 23.2-36.5%.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,086
Tête enseignante GPT0,290
Écart entre enseignants0,204 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue3i intellect idea innovation - интеллект идея инновацияMême sujetAgricultural Productivity and Crop ImprovementTravaux en français237 207