MétaCan
Menu
Retour à la cohorte
Enregistrement W4393243635 · doi:10.53555/sfs.v8i3.2378

Hydroponics: An Overview Of Advanced Growing Approaches

2022· article· en· W4393243635 sur OpenAlexvenueno aff
Jayanti Ballabh, Mansi Nautiyal, Raja Joshi, Mahipal Singh, Guarav Jain, Neha Saini

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInnovations in Aquaponics and Hydroponics Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHydroponicsComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

Many man-made factors, like industrialization and urbanisation, have made soil-based farming more challenging. Soil fertility and quality are also diminished by unchecked chemical usage in agriculture, climate change, and abrupt events in nature. Because of this need, researchers have come up with a new method of growing plants: hydroponics, which does not use soil. Growing plants in a nutrient-rich water solution is called hydroponics. Hydroponics allows for the cultivation of a wide variety of plants and crops. In comparison to conventional farming methods that rely on soil, hydroponic farming often results in superior harvests in terms of quality, flavour, and nutritional content. Worldwide, in both developed and developing nations, this cultivation is becoming more popular because to its low cost, lack of diseases, and environmental friendliness. In areas where suitable cultivable land is in short supply, it has the potential to supplement high-altitude research and alleviate the shortage of arable land. To fulfil the future nutrition requirement on a worldwide scale and cultivate a wide variety of fruits, vegetables, and feed, hydroponics is the way to go. Hydroponics is a new technology that has the potential to feed the world's population in the future.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,387
Tête enseignante GPT0,304
Écart entre enseignants0,083 · 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'étudeSans objet
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 sujetInnovations in Aquaponics and Hydroponics SystemsTravaux en français237 207