Notice bibliographique
Résumé
1. Cellular architecture - regulation of cell size, cell shape, and organ initiation. Andrew Fleming, Department of Animal and Plant Sciences, University of Sheffield, UK. 2. Leaf architecture - regulation of leaf position, shape, and internal structure. Julie Kang and Nancy G. Dengler, Department of Botany, University of Toronto, Canada. 3. Shoot architecture I - regulation of stem length. John J. Ross, James B. Reid, James L. Weller and Gregory M. Symons, School of Plant Science, University of Tasmania, Hobart, Australia. 4. Shoot architecture II - control of branching. Colin G. N. Turnbull, Department of Agricultural Sciences, Imperial College London, Wye Campus, UK. 5. Floral architecture - regulation and diversity of floral shape and pattern. Elena M. Kramer, Department of Organismic and Evolutionary Biology, Harvard University, Cambridge, Massachusetts, USA. 6. Inflorescence architecture. Anuj M. Bhatt, Department of Plant Science, University of Oxford, UK. 7. Root architecture. J. Lopez-Bucio, A. Cruz-Ramirez, A. Perez-Torres, J. G. Ramirez-Pimentel, L. Sanchez- Calderon and L. Herrera-Estrella, Departamento de Ingenieria Genetica, Centro de Investigacion y Estudios Avanzados, Guanajuato, Mexico. 8. Woody tree architecture. Frank Sterck, Silviculture and Forest Ecology Group, Department of Environmental Science, University of Wageningen and Research Center, Netherlands. 9. Plant architecture modelling - virtual plants and complex systems. Christophe Godin, INRIA, Montpellier, France and Evelyne Costes and H. Sinoquet, INRA, Montpellier, France. 10. Applications of plant architecture. Nick Battey, School of Plant Sciences, University of Reading, UK. References. Index
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».