A dataset for soil organic carbon in agricultural systems for the Southeast Asia region
Notice bibliographique
Résumé
Authors:<br>Federico Gomez<sup>1</sup>*, Ana Carcedo<sup>1</sup>, Chan Makara Mean<sup>2</sup>, Manuel Reyes<sup>3</sup>, Lyda Hok<sup>4</sup>, Florent Tivet<sup>5</sup>, Vang Seng<sup>6</sup>, P. V. Vara Prasad<sup>1</sup>, Shopie Manson<sup>7</sup>, K. A. I. Nekaris<sup>7</sup>, Eva Lehndorff<sup>8</sup>, Thilde Bech Bruun<sup>9</sup>, Catherine M. Hepp<sup>10</sup>, Ryusuke Hatano<sup>11</sup>, Auldry Chaddy<sup>12</sup>, Pham Thi Thu Huong<sup>13</sup>, Selva Dhandapani<sup>14</sup>, Katharina Maria Keiblinger<sup>15</sup>, Rizki Maftukhah<sup>16</sup>, Zar Ni Zaw<sup>17</sup>, Sota Tanaka<sup>18</sup>, and Ignacio Ciampitti<sup>1</sup>*<br><sup>1</sup>. Department of Agronomy, Kansas State University, Manhattan, Kansas, US.<br><sup>2</sup>. Faculty of Agricultural Biosystems Engineering, Royal University of Agriculture, Phnom Penh, Cambodia.<sup>3</sup>. Sustainable Intensification Innovation Lab, and Department of Agronomy, Kansas State University, Manhattan, Kansas, US.<br><sup>4</sup>. Center of Excellence on Sustainable Agricultural Intensification and Nutrition, Royal University of Agriculture, Phnom Penh, Cambodia.<sup>5</sup>. CIRAD, UPR AIDA, Univ Montpellier, Montpellier, France. Agroecology for South-East Asia.<br><sup>6</sup>. Department of Agricultural Land Resources Management, Phnom Penh, Cambodia.<br><sup>7</sup>. School of Humanities and Social Sciences, Oxford Brookes University, Oxford, United Kingdom.<br><sup>8</sup>. Soil Ecology, Universität Bayreuth, Bayreuth, Germany.<br><sup>9</sup>. Department of Geosciences and Natural Resource Management, Section for Geography, University of Copenhagen, Copenhagen, Denmark.<br><sup>10</sup>. Lethbridge, AB, Canada.<br><sup>11</sup>. Research Faculty of Agriculture, Hokkaido University, Hokkaido, Japan.<br><sup>12</sup>. Sarawak Tropical Peat Research Institute, Sarawak, Malaysia.<br><sup>13</sup>. Horticulture Department, Field Crops Research Institute, Hai Duong, Vietnam.<br><sup>14</sup>. Department of Geography and Environmental Science, School of Archaeology, Geography and Environmental Sciences (SAGES), University of Reading, Reading, United Kingdom.<br><sup>15</sup>. Department of Forest and Soil Sciences, Institute of Soil Research, University of Natural Resources and Life Sciences, Vienna, Austria.<br><sup>16</sup>. Department of Agricultural and Biosystem Engineering, Faculty of Agricultural Technology, Universitas Gadjah Mada, Indonesia.<br><sup>17</sup>. Faculty of Natural Resources, Prince of Songkla University, Thailand.<br><sup>18</sup>. Faculty of Agriculture and Marine Sciences, Kochi University, Kochi, Japan.<br><br>For more information about the dataset or the scripts, please contact the corresponding authors at: fmgomez@ksu.edu, ciampitti@ksu.edu.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,024 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».