MétaCan
Menu
Retour à la cohorte
Enregistrement W4393243633 · doi:10.53555/sfs.v8i3.2396

Pesticides Overburden In Agriculture And Its Consequences- A Review

2022· review· en· W4393243633 sur OpenAlexvenueno aff
Anil Kumar Sharma, Sachin Kumar, Mahipal Singh

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2022
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOverburdenAgriculturePesticideEnvironmental scienceGeographyAgroforestryGeologyArchaeologyAgronomyMining engineeringBiology

Résumé

récupéré en direct d'OpenAlex

Pesticides are widely used in insect pests management in agricultural and forestry sectors, and they can also be used at home and at work to eradicate household pests to increase agricultural production tremendously. A vast majority of the population in India is engaged in agriculture and is therefore highly exposed to the pesticides used in agriculture. Exposure to pesticides both occupationally and environmentally causes a range of human health problems. Indiscriminate and repeated application of pesticides leads to loss of biodiversity, pest-resistance and other ecological imbalance. In the absence of an effective alternative method of insect control, reliance on chemicals is bound to increase, which exerts selection pressure on the target organism resulting into the development of resistance. The persistence nature of pesticides led to their accumulation in animal tissues and subsequently causes human dietary exposure through consumption of animal products. In the present review, various implications of pesticides use in agriculture is discussed.

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)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,342
Tête enseignante GPT0,326
Écart entre enseignants0,016 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetCrop Yield and Soil FertilityTravaux en français237 207