MétaCan
Menu
Retour à la cohorte
Enregistrement W4399603888 · doi:10.54751/revistafoco.v17n6-038

SISTEMA DE PRODUÇÃO E DENSIDADE DE SEMEADURA NO CULTIVO DE BABY LEAF DE RÚCULA

2024· article· pt· W4399603888 sur OpenAlexaff
Pedro Godinho da Cunha, Rosana Fernades Otto, Silvana Ohse

Notice bibliographique

RevueRevista Foco · 2024
Typearticle
Languept
DomaineAgricultural and Biological Sciences
ThématiqueGrowth and nutrition in plants
Établissements canadiensOttawa Fertility Centre
Organismes subventionnairesnon disponible
Mots-clésHorticultureBiologySowingPhysics

Résumé

récupéré en direct d'OpenAlex

As mini-hortaliças e as baby leaf são um novo nicho de mercado no Brasil, no entanto, poucas são as pesquisas em relação às técnicas mais adequadas visando produtividade com menor custo. Diante disso, o objetivo do trabalho foi avaliar ambientes de cultivo e densidade de plantas no cultivo de baby leaf de rúcula. O delineamento experimental foi blocos casualizados em esquema de parcelas sub-subdivididas, com quatro repetições. O fator principal foi ambiente de cultivo (Túnel coberto com plástico [TP]; Agrotêxtil [AGT] e ambiente natural [AN]). O fator secundário foi densidade (d) de plantas (pl) (d1-1000; d2-500 e d3-333 pl m-2). O fator terciário foi Épocas de colheita (16; 23; 31 e 39 dias após a semeadura-DAS). Foram avaliadas fitomassas fresca (FFP) e seca da planta (FSP); altura de plantas (AP); número de folhas por planta (NFP); produtividade (P) e índice de área foliar (IAF). A FSP foi maior em plantas cultivadas na d2. Na d3, as plantas apresentaram maiores IAF em comparação com as das demais densidades. Entre os ambientes de cultivo verificaram-se maiores valores de FFP, FSP, AP e NF para plantas cultivadas sob TP em comparação com as plantas sob AG e AN. Foi possível a produção de baby leaf de rúcula durante a primavera de Ponta Grossa-PR, tendo, o cultivo sob TP impelido maiores precocidade e produtividade que os sob AG e AN. A densidade de 1000 pl m-2 possibilitou incremento em produtividade para baby leaf de rúcula, independentemente do ambiente de cultivo.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,020
Tête enseignante GPT0,257
Écart entre enseignants0,237 · 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'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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista FocoMême sujetGrowth and nutrition in plantsTravaux en français237 207