Agriculture students’ weed collections: Choices of plants and errors in identification
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Requiring students to create weed collections is a common technique for teaching weed identification. Data compiled over 18 years from students’ weed collections in a college‐level course included over 350 species of plants. Almost half of the specimens belonged to the Asteraceae or Poaceae. The 30 most frequently collected species accounted for almost two‐thirds of the specimens but Chenopodium album L., the most frequently collected species, accounted for only 4.8% of the total. Overall, 73.1% of specimens were correctly identified to species. Five species ( Abutilon theophrasti Medik., Vicia cracca L., Portulaca oleracea L., Plantago major L., and Asclepias syriaca L.) were correctly identified at least 97% of the time. Misidentification was highest with Scorzoneroides autumnalis (L.) Moench [synonym (syn.) Leontodon autumnalis L.], Malva neglecta Wallroth, Erysiumum cheiranthoides L., Echinochloa crus‐galli (L.) Beauv., and Erigeron canadensis L. (syn. Conyza canadensis ) and within the genera Sonchus L., Setaria P. Beauv., and Digitaria Haller. Misidentification was the lowest in the Equisetaceae, Apocynaceae, Oxalidaceae, and Plantaginaceae and highest in the Lamiaceae, Poaceae, Brassicaceae, and Asteraceae. Variability in individual species’ morphology may have contributed to misidentification.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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