MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411133349 · doi:10.53555/sfs.v9i1.3634

Effect Of Probiotics On Growth, Survival And Yield Of Penaeus Vannamei (Boone, 1931) In Culture Ponds At Susaram Village, Srikakulam District, Andhra Pradesh

2022· article· en· W4411133349 sur OpenAlexvenueno aff
Chinnababu Sanapala, P. Yedukondala Rao, Teja G. Teja G.

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPenaeusBiologyYield (engineering)Veterinary medicineBiotechnologyAnimal scienceFisheryShrimpMedicine

Résumé

récupéré en direct d'OpenAlex

The main objective of this study was to evaluate the growth, survival rate and yield of Penaeus vannamei during 120 days of culture period in two experimental ponds with same stocking densities i.e.1,25,000 PL/ acre pond. Out of two ponds, one is probiotic treated pond and other is control pond. The Blanca, CP. Pvt. Ltd., shrimp feed was given as supplementary feed in both experimental ponds. The Probiotic, SUPER-PS, CP. Pvt. Ltd. was applied in treatment pond. The experiment was done in Winter Season at Susaram village, Srikakulam District, Andhra Pradesh. In the present study Penaeus vannamei yield observed after completion of the 120 days experimental period was1562.2 kg/acre in control pond, whereas the highest yield 2246.4 kg/acre was reported in treatment pond. The survival rate 60% and 72% was noticed in control and treatment ponds respectively. The Specific Growth Rate observed in control pond was 4.535% , whereas in Treatment pond it was 4.654%. The lowest Average Daily Growth 0.17g/day was notice in control pond, whereas the highest growth 0.20g/day was noticed in treatment pond. The lowest FCR 1:1.25 was reported in treatment pond and highest FCR 1:2.13was noticed in control pond.

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,066
Tête enseignante GPT0,248
Écart entre enseignants0,182 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries Sciences→Même sujetAquaculture Nutrition and Growth→Travaux en français237 207→