MétaCan
Menu
Retour à la cohorte
Enregistrement W6949862128 · doi:10.5281/zenodo.3229759

D3.5 NDS Final Design Document

2017· article· en· W6949862128 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLight effects on plants
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésGreenhouseCrewModular designSoftware deploymentControl (management)Reliability (semiconductor)ProductivityRemote control

Résumé

récupéré en direct d'OpenAlex

The EDEN ISS nutrient delivery system (NDS) is based on proven horticultural management technology. While some system aspects are relatively new, they will not impact the overall reliability of operation. Similarly, the control system that will operate the NDS and other subsystems is based on Argus<br> Controls (Surrey, BC, Canada) hardware, which has been a greenhouse control and environment<br> management standard since 1984.<br> The bulk of the NDS hardware is contained within the FEG, a 6 meter insulated shipping container<br> equipped with eight growing racks holding a total of forty-two plant growth trays covering 11.9<br> square metres of growing space. The system was designed to grow lettuce, herbs, pepper, tomato<br> and cucumber and will supply the Neumayer Station III crew with fresh produce during operation.<br> Plants will be grown in recirculating nutrient solution that has both pH and electrical conductivity<br> (EC) control. Water will be delivered to the modular growing trays using a hybrid aeroponic/nutrient<br> film technique (NFT) from two nutrient tanks located in the service section. While the NDS in itself<br> uses reliable and proven hardware and growing techniques, the challenges of remote deployment in<br> the Antarctic will provide the needed operational and productivity data required for future missions<br> to the Moon or Mars<br>

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,000
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0140,008

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 Opus0,084
Tête enseignante GPT0,254
Écart entre enseignants0,170 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetLight effects on plantsTravaux en français237 207