MétaCan
Menu
Retour à la cohorte
Enregistrement W6990208248

De nouveaux ravageurs dans les fraisières au Québec, un autre effet des changements climatiques

2022· article· fr· W6990208248 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2022
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueFood and Agricultural Sciences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChemical controlCrop productionWestern europe
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

"Le Québec est la principale province productrice de fraises au Canada. En 2018, la production de fraises était évaluée à un volume de plus de 15 millions de tonnes et représentait des revenus de 66 millions de dollars (Gouvernement du Québec, 2021). Malheureusement, dans les années à venir, les rendements de la culture pourraient être perturbés par les effets des changements climatiques. Parmi les nombreuses conséquences des changements climatiques, il pourrait y avoir une augmentation de la pression exercée sur les cultures de fraises par certains ravageurs ou agents pathogènes déjà présents au Québec, mais également une augmentation des introductions de nouveaux insectes ravageurs et de nouvelles maladies (Lehmann et al., 2020). Les changements climatiques ont une influence considérable sur ces insectes, car l’augmentation des températures favorise leur métabolisme et leur développement (Lehmann et al., 2020). Des températures plus élevées perturbent également les autres activités des insectes, comme l’alimentation, la reproduction, la croissance et les déplacements (Weintraub et al., 2019). Par conséquent, les hausses de température auront potentiellement pour effet d’accroître les densités de population d’insectes ravageurs dans les champs de fraises et augmenteront l’intensité des dommages ainsi que les pertes de rendements (Figure 1a). [...]"

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,138

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,017
Tête enseignante GPT0,202
Écart entre enseignants0,185 · 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetFood and Agricultural SciencesTravaux en français237 207