MétaCan
Menu
Retour à la cohorte
Enregistrement W4405747380 · doi:10.5539/jsd.v18n1p48

Quantitative and Qualitative Potential of Peanuts Produced in Northwestern Paraná, Brazil

2024· article· en· W4405747380 sur OpenAlexvenueno aff
Reni Saath, Gustavo Lopes Pereira, Gustavo Soares Wenneck, Jair Heuert, Taís de Moraes Falleiro Suassuna

Notice bibliographique

RevueJournal of Sustainable Development · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePeanut Plant Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoUniversidade Estadual de MaringáEmpresa Brasileira de Pesquisa AgropecuáriaCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésCultivarRandomized block designProductivityBiologyHorticultureGenotypeAgronomy

Résumé

récupéré en direct d'OpenAlex

The quantification and qualification of the productive potential of peanuts allow for the differentiation of cultivars and identification of the most productive ones at regional levels. This study aimed to evaluate the productivity and grain quality of peanut cultivars and genotypes cultivated in the northwest region of Paraná. The treatments were arranged in a randomized complete block design consisting of four cultivars and four genotypes, with four replications, in plots of 3.6x3.0 m composed of four rows spaced at 0.9 m. Plants were evaluated pre-harvest, at harvest, and post-harvest to characterize their productive potential. Data were subjected to analysis of variance using the F-test, and means were compared using the Scott-Knott test (p≥0.05). There were significant differences among treatments for the variables analyzed. Productivity ranged from 3225.45 kg ha-1 to 5129.31 kg ha-1. Genotypes 2173 OL and 2091 OL, and cultivars BRS 425 OL and BRS 427 OL showed the best productive performance. Cultivar BRS 421 OL and genotype 2173 OL exhibited lower severity of early leaf spot. Under the edaphoclimatic conditions of management and cultivation, the genetic origin influenced the productive potential of the tested lines.

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 enseignants0,030
Score d'incertitude au seuil0,061

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 savante0,0000,000
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 Opus0,028
Tête enseignante GPT0,316
Écart entre enseignants0,287 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetPeanut Plant Research StudiesTravaux en français237 207