MétaCan
Menu
Retour à la cohorte
Enregistrement W6991490366

Higher Yield and Fewer Weeds in Four-Species Grass/Legume Mixtures Than in Monocultures: Results from the First Year at 20 Sites of Cost Action 852

2023· article· en· W6991490366 sur OpenAlexaboutno aff

Notice bibliographique

RevueUKnowledge (University of Kentucky) · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePasture and Agricultural Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegumeForageMonocultureYield (engineering)Product (mathematics)Agriculture
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Utilisation of grass/legume mixtures instead of grass monocultures is a sensible alternative for low input, efficient agricultural systems that reduce production costs, promote environmental policy and maintain a living countryside. Consequently, widely adapted forage legumes will become increasingly important. Instability of simple grass / legume mixtures with only one grass and one legume species is a major problem (Wachendorf et al., 2001). An experiment was established in 39 sites in Europe, Australia and Canada within COST Action 852 to: (1) assess the benefits of grass / legume mixtures in terms of forage production, (2) test whether the combination of fast and slow-growing species improves the stability of the mixtures and (3) assess response patterns over a large environmental gradient.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,308
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,049
Tête enseignante GPT0,203
Écart entre enseignants0,154 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUKnowledge (University of Kentucky)Même sujetPasture and Agricultural SystemsTravaux en français237 207