MétaCan
Menu
Retour à la cohorte
Enregistrement W4391782527 · doi:10.53555/sfs.v10i1s.2286

A Study On Bio Efficacy Of Cyantraniliprole 10.6% OD Against Major Sucking Pests Of Watermelon

2023· article· en· W4391782527 sur OpenAlexvenueno aff
Amit Layek, Kaushik Pramanik, Rakesh Das, Debarati Seal

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Practices and Plant Genetics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyToxicologyMedicineBiotechnologyTraditional medicine

Résumé

récupéré en direct d'OpenAlex

Cyantraniliprole, 10.6% OD, was evaluated in the field against major sucking pests of watermelon at Jaguli Instructional Farm, Bidhan Chandra Krishi Viswavidyalaya (BCKV) during 2020-21. The study took place during the kharif season, and the watermelon variety named ‘Krishna’ was selected and grown with proper agronomic practices. A total of three sprays were done starting from the ETL of the pest population. The spraying was done at ten days intervals with four different doses of Cyantraniliprole, 10.6% OD along with Imidacloprid 17.8% SL @ 100 g a.i./ha, Spinosad 45% SC @ 73 g a.i./ha (standard checks) and an untreated control. All the treatment is arranged in randomized block design with three replications, each consisting of seven treatments. The results revealed that treatments cyantraniliprole 10.6% OD @ 120 g a.i/ha and 90 g a.i/ha were substantially more potent with regard to its efficacy on the basis of three sprays, compared to untreated control.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,174

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,200
Tête enseignante GPT0,285
Écart entre enseignants0,084 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetAgricultural Practices and Plant GeneticsTravaux en français237 207