MétaCan
Menu
Retour à la cohorte
Enregistrement W6921951066 · doi:10.1021/acsagscitech.2c00217.s001

Growth Trials\non Vegetables, Herbs, and Flowers Using\nMealworm Frass, Chicken Manure, and Municipal Compost

2023· article· en· W6921951066 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect Utilization and Effects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFrassCompostManureFertilizerSeedlingBiomass (ecology)Chicken manure

Résumé

récupéré en direct d'OpenAlex

With the growth of the insect farming\nindustry, increasing quantities\nof insect manure (called frass) must be upcycled. This research provides\none of the first sources of information regarding the potential plant\ngrowth enhancement of Tenebrio molitor’s frass on garden plants. It aims at demonstrating that frass\nis a promising fertilizer for plant production. Nine vegetables, one\nherb, and three flowers were planted on the roof of “La Centrale\nAgricole” in Montreal. Plants were grown in a 5% compost-enriched\nsubstrate (v/v) (control) and fertilized with 0.5% (v/v) frass (treatment\n2) or an isonitrogen concentration of hen manure (treatment 3). Plant\ngrowth (germination, height, N flowers) and productivity (biomass)\nwere assessed regularly throughout the growing season. Although beets\nand carrots’ seedling emergence was inhibited by both manures,\nthis did not lead to reduced edible biomass compared to the control\n(germination was unaffected for corn, radish, and arugula). Similar\nto hen manure, frass resulted in a 16-fold increase of the edible\nbiomass as compared to the control. Frass-fertilized plants had larger\nand more numerous flowers than control plants. Our results confirm\nthat insect manure should be recognized as a suitable fertilizer for\nmultiple crops, and should be regulated like other manures.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

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 recherche0,0000,000
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 Opus0,105
Tête enseignante GPT0,282
Écart entre enseignants0,177 · 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'étudeExpérimental (laboratoire)
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetInsect Utilization and EffectsTravaux en français237 207