Sebaran rumpun, pola warna bulu, dan jenis tanduk domba lokal betina di Kabupaten Bandung
Notice bibliographique
Résumé
The variety of environmental and cultural conditions in each region in Indonesia causes differences in sheep rearing patterns, resulting in a variety of breeds, coat color patterns and types of horns of sheep being cultivated. The Bandung Regency area has a climate and environment that is suitable for raising livestock, so raising sheep has become a part of the culture in the area. Choosing flocks, coat color patterns and types of sheep horns that suit consumer needs can increase the selling value of sheep. The aim of this research was to determine the distribution of clump types, coat color patterns and horn types of local ewes in several animal markets in Bandung Regency. The research was conducted in June 2023 in three animal markets, namely Majalaya, Pacet, and Banjaran Animal Markets. The research method used is descriptive analytic and data collection uses the census method. Based on the research results, it can be concluded that the distribution of local ewes includes Garut sheep 86.78% and Priangan sheep 13.22%, while the distribution of local ewes's coat color patterns is dominated by white 63.64%, a combination of 25.62%, and black 10.74%, as well as muser horn types 54.55%, hornless 33.88%, and horned 11.57%. The total number of research objects was 121 animals, dominated by Garut sheep, the dominant white coat color pattern, and muser horn type
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».