MétaCan
Menu
Retour à la cohorte
Enregistrement W6925390127 · doi:10.17632/j9c5mcmw3c

Dataset of thermal behaviour and weather data of thermal disinfestation of Sitophilus oryzae in plastic bags using solar heating.

2022· dataset· en· W6925390127 sur OpenAlexaboutno aff

Notice bibliographique

RevueMendeley Data · 2022
Typedataset
Langueen
DomaineMedicine
ThématiquePrenatal Screening and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPlastic bagSitophilusPlastic filmPolyethylenePostharvestThermal

Résumé

récupéré en direct d'OpenAlex

These datasets are related to solar disinfestation of wheat using polyethylene bags and direct solar radiation to control Sitophilus oryzae. The data collected in Canada and Egypt. In Canada, Clear polyethylene bags of wheat were used for thermal control using solar radiation. There were four treatments of different wheat amount, 16, 21, and 25 inside clear bags in wood boxes and another 21 kg of wheat in plastic bag not in a wood box. The solar heating for all treatments were investigated in the field under two different conditions. First, the temperature profile inside the bags was recorded every morning, and the grains were mixed and stacked in foam boxes during the night over five days. Second, the temperature profile was recorded continuously during day and night over six days. Different weather condition, ambient temperature, solar radiation, wind direction, and wind speed were collected during both experiments using a weather station located on the filed. In Egypt, clear plastic bags and woven plastic bags with 16 kg of wheat were used for solar heating over 5 d. Generally, the temperature profile data inside the plastic polyethene bags under different storage conditions, grain amounts, bags materials and different weather conditions allow other researchers to develop different models to understand the thermal behavior for thermal disinfestation. Solar heating is a very promising disinfestation technique that was successfully used for museum pest control, postharvest pest control, and soil disinfestation.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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 Opus0,079
Tête enseignante GPT0,339
Écart entre enseignants0,260 · 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
GenreJeu de données

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 revueMendeley DataMême sujetPrenatal Screening and DiagnosticsTravaux en français237 207