Notice bibliographique
Résumé
Sorghum (Sorghum bicolor [L.] Moench) is the fifth \nmost important cereal crop by area after wheat, rice, \nmaize and barley in the world. Traditionally, a staple \nfood crop for millions of poor in the semi-arid tropics \n(SAT) of Africa and Asia, its importance as a fodder \nand feed crop for livestock steadily increased over \nthe last decade or two. It is cultivated on marginal, \nfragile drought-prone environments in SAT. In mid- \n1970s, the productivity levels of sorghum were <0.7 \nt ha-1 in Africa, <0.8 t ha-1 in Asia and <0.5 t ha-1 in \nIndia when the International Crops Research \nInstitute for the Semi-Arid Tropics (ICRISAT) was \nestablished at Patancheru, Andhra Pradesh, India. \nLow productivity was the result of dependency on \ntraditional cultivars and management practices and \nexacerbated by an array of biotic stresses (insect \npests—shoot fly, stem borers, midge and headbugs; \ndiseases—grain mold, anthracnose, rust, downy \nmildew, leaf blight and Striga); and abiotic stresses \n(drought and problematic soils—acidic and saline). \nICRISAT, in close collaboration with the National \nAgricultural Research Systems (NARS) in SAT, the \nAdvanced Research Institutes (ARIs) and sister \norganizations of the Consultative Group on \nInternational Agricultural Research (CGIAR) over \nthe years has been engaged in improving the \nproductivity of sorghum in various SAT regions \nthrough genetic improvement of sorghum coupled \nwith integrated genetic and natural resources \nmanagement approaches. These research efforts \nhave led to many and diversified impacts; overall \neffect being the significantly improved livelihoods \nof resource-poor farmers and low-income people \nin SAT.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,009 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».