MétaCan
Menu
Retour à la cohorte
Enregistrement W4391774037 · doi:10.5558/tfc2024-004

Tree Improvement in Canada – past, present and future, 2023 and beyond

2024· article· en· W4391774037 sur OpenAlexaffvenueabout
Barb R. Thomas, Michael Stoehr, Stefan G. Schreiber, Andy Benowicz, William R. Schroeder, Raju Soolanayakanahally, Chris Stefner, Ken A. Elliott, Newton Philis, Ngaire Roubal, Pierre Périnet, Martin Perron, Dale Simpson, M. S. Fullarton, Josh Sherrill, Mary B. Myers, David Steeves, Simon W. Bockstette, Basil English, John Kort

Notice bibliographique

RevueThe Forestry Chronicle · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensGovernment of Newfoundland and LabradorGovernment of Nova ScotiaGovernment of Prince Edward IslandGovernment of New BrunswickNatural Resources CanadaMinistère des Ressources naturelles et des Forêts (Québec)Government of AlbertaGovernment of ManitobaGovernment of CanadaSault CollegeOntario Forest Research InstituteGovernment of OntarioMinistry of Energy, Northern Development and MinesWillow Biosciences (Canada)Government of British ColumbiaAgriculture and Agri-Food CanadaMinistry of ForestsUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTree (set theory)ForestryEnvironmental scienceGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

This paper consolidates the most current information available on tree improvement in Canada and provides a summary of key historical events leading to its development and expansion across the country. The most recent publication on the topic was by Fowler and Morgenstern (1990) compiled over 30 years ago. Since that time, many things have changed and new technologies, such as the increasing use and adoption of genomics, have become part of the tool-box of tree breeders in forestry and natural resource management. This paper provides information on the status of tree improvement programs including their history, objectives, seed production, future outlook and other performance measures by province across Canada.

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 enseignants0,634
Score d'incertitude au seuil0,669

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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,191
Écart entre enseignants0,187 · 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

Citations10
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest ecology and managementTravaux en français237 207