MétaCan
Menu
Retour à la cohorte
Enregistrement W4408300167 · doi:10.1080/21645698.2025.2477231

Rate of herbicide resistant weed development: A Canadian Prairie case study

2025· article· en· W4408300167 sur OpenAlexaffabout
Chelsea Sutherland, Savannah Gleim, Simona Lubieniechi, Stuart J. Smyth

Notice bibliographique

RevueGM crops & food · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésWeedHerbicide resistanceWeed controlWeed scienceAgronomyAgroforestryBiologyBiotechnology

Résumé

récupéré en direct d'OpenAlex

Genetically modified crop adoption in Canada has been the key driver in removing tillage as the lead form of weed control, due to increased weed control efficiency. Land use has transitioned from the use of summerfallow to continuous cropping, predominantly involving zero or minimum tillage practices. Prairie crop rotations have diversified away from mainly cereals to include three-year rotations of cereals, pulses, and oilseeds. Total herbicide volume applied has increased as crop production acres increased, but the rate of herbicide active ingredient applied per hectare has declined. Diverse crop rotations allow for weed control using herbicides with different modes of action, reducing selection pressure for resistant weed development. Herbicide-resistant weeds are an important concern for farmers, as the loss of key herbicides would make weed control exceedingly more difficult. The objective of this case study is to examine herbicide resistance weed development in the Canadian Prairies and to identify changes in resistance development following GM crop adoption.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil0,455

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,234
Écart entre enseignants0,216 · 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'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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGM crops & foodMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207