MétaCan
Menu
Retour à la cohorte
Enregistrement W7000457533

Evaluación de cultivares de zanahoria en el Valle de Uco, Mendoza = Carrot cultivar evaluation in Uco Valley, Mendoza

2019· article· es· W7000457533 sur OpenAlexaboutno aff

Notice bibliographique

RevueAmericanae (AECID Library) · 2019
Typearticle
Languees
DomaineAgricultural and Biological Sciences
ThématiquePlant Physiology and Cultivation Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCultivarZea maysStatistical analysisContext (archaeology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

En Argentina se cultivan entre 7.000 y 9.900 hectáreas con zanahoria abasteciendo el mercado interno y con un excedente que se exporta. Mendoza es la principal provincia productora. El objetivo del trabajo fue evaluar la variabilidad en caracteres que determinan rendimiento y calidad en cultivares de zanahoria utilizadas en Mendoza. Durante tres años fueron implantadas, en la EEA La Consulta INTA, ocho cultivares bienales de polinización abierta tipo Flakkee: Beatriz, Colmar, Flakkese, Laval, Natasha, Spring, Supreme y Tim Tom. Las siembras fueron el 17/8/06, 6/9/07 y 12/9/08, utilizándose diseño en bloque completamente aleatorizado, y las cosechas el 31/1/07, 7/2/08 y 24/2/09. Se evaluaron porcentajes de defectos, tamaño, color y contenidos de sólidos solubles en raíces. Los porcentajes de raíces atacadas por insectos y raíces podridas estuvieron exclusivamente influenciados por el ambiente. En el porcentaje de raíces con hombros verdes las cultivares se diferenciaron en el año de mayor incidencia, destacándose Colmar y Beatriz por los menores valores. En el porcentaje de raíces rajadas las más bajas fueron Colmar y Natasha, y en el porcentaje de floración prematura Flakkese, Natasha, Laval, Tim Tom y Colmar. En largo de raíz y contenido de sólidos las cultivares tuvieron mayor consistencia, destacándose Colmar y Flakkesse por sus raíces largas y Beatriz por el mayor contenido de sólidos. Además, Beatriz tuvo el mayor diámetro, y Colmar y Flakkesse el mejor color.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,015
Tête enseignante GPT0,287
Écart entre enseignants0,272 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmericanae (AECID Library)Même sujetPlant Physiology and Cultivation StudiesTravaux en français237 207