MétaCan
Menu
Retour à la cohorte
Enregistrement W7000511945

Focus sur les associations graminées-légumineuses en Ardenne belge

2023· article· fr· W7000511945 sur OpenAlexaboutno aff

Notice bibliographique

RevueDigital Access to Libraries (Université catholique de Louvain (UCL), l'Université de Namur (UNamur) and the Université Saint-Louis (USL-B)) · 2023
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgroforestry and silvopastoral systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLimitingNova scotiaPyrometallurgyThird stage
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L’intérêt des légumineuses fourragères dans la composition des prairies est largement documenté (Pierre et al., 2016). Pourtant, certains freins identifiés par le passé subsistent toujours à l’heure actuelle alors que leurs utilisations devraient au contraire se généraliser au maximum pour mieux faire face aux aléas climatiques, pour gagner en autonomie fourragère et protéique, pour limiter les coûts des engrais de synthèse... L’intérêt des légumineuses est également réel dans les mélanges de céréales et de protéagineux récoltés en immatures (MCPI) (Crémer et al., 2018). Depuis plusieurs années, le Centre de Michamps étudie les légumineuses en Ardenne en collaboration avec le Centre pilote Fourrages Mieux. (I) Les potentiels de rendements quantitatifs et qualitatifs, tant en culture pure qu’en association, sont comparés pour différentes espèces (pérennes et annuelles) de même que leur résilience face aux changements climatiques (Lambert et al., 2020). Les pratiques de fertilisation sont adaptées en lien, notamment, avec la persistance des espèces. (II) Des pistes alternatives au désherbage chimique sont également proposées (Crémer et al., 2019). Ces avancées techniques devraient lever les freins existants et généraliser l’usage des légumineuses dans les ressources fourragères.

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)0,002
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 enseignants0,175
Score d'incertitude au seuil0,348

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 GPT0,205
Écart entre enseignants0,189 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Access to Libraries (Université catholique de Louvain (UCL), l'Université de Namur (UNamur) and the Université Saint-Louis (USL-B))Même sujetAgroforestry and silvopastoral systemsTravaux en français237 207