MétaCan
Menu
Retour à la cohorte
Enregistrement W4400491776 · doi:10.29235/1561-8323-2024-68-3-255-264

Production traits of pigs of intrabreed type “Pripyatsky” in Landrace breed at breeding enterprises

2024· article· en· W4400491776 sur OpenAlexaboutno aff
И. П. Шейко, Р. И. Шейко, Н. В. Приступа, E. A. Yanovich, V. N. Zayats, Maria Krasovskaya

Notice bibliographique

RevueDoklady of the National Academy of Sciences of Belarus · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Biological Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreedBiologyProduction (economics)Animal scienceAgronomyBiotechnologyAgricultural scienceEconomics

Résumé

récupéré en direct d'OpenAlex

To meet the population’s demand for meat pork, breeding programs aimed at breeding and selection of pigs with high reproductive, fattening and meat traits were carried out for several decades. Over the years, a number of new types, lines and breeds of pigs were created and tested in the world. It should be noted that the gene pool of foreign super-meat breeds (Pietrain; Duroc; Danish, French, German, Canadian Landrace and Yorkshire) was used to some extent in the development of new domestic meat genotypes of pigs. A rational use of the genetic potential of farm animals allows accelerating the selection to improve their reproductive, fattening and meat traits. The Republic of Belarus arranged its own production of high-value animals represented by intrabreed type-pigs in the Landrace breed with the following productivity indicators: prolificacy – 12.5 animal units, milk yield – 65.5 kg, number of piglets at weaning – 11.6 animal units, litter weight at weaning at the age of 30 days – 91.6 kg, meat content in carcass – 65–67 %, well adapted to the technological conditions of breeding and industrial complexes, providing the overall need of pig breeding in obtaining high-quality pork; saving foreign currency for import; the possibility of exporting finished products to CIS countries.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,771
Score d'incertitude au seuil0,260

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,055
Tête enseignante GPT0,281
Écart entre enseignants0,226 · 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'étudeExpérimental (laboratoire)
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 revueDoklady of the National Academy of Sciences of BelarusMême sujetAgriculture and Biological StudiesTravaux en français237 207