MétaCan
Menu
Retour à la cohorte
Enregistrement W7057033152

The History of the Colorado Quarter Horse: How Environment Shaped America’s Most Versatile Horse

2023· article· en· W7057033152 sur OpenAlexaboutno aff

Notice bibliographique

RevueRoger Williams University - Digital Commons (Roger Williams University) · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)IndigenousPonyScholarshipLegendEquidaeBreedPrehistory
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Quarter Horses are among the most recognizable and popular breeds in the world today. The legend of the Steeldusts, Indian Ponies, and Short Horses have been written about in prior scholarship but use one narrow lens placing development focus primarily on Texas and Oklahoma, ignoring or placing onto the periphery the significance of Colorado breeders. While scholarship gives some credence to Indigenous contributions, the term Indian Pony for all horses being bred by Indigenous populations discredits the unique contribution of the Utes in Colorado to the breed. The mountainous Colorado environment, pioneer homesteader breeders, and the Ute of Routt County, Colorado, were significant players in helping to establish and shape the breeding of horses in the American West. Marrying the histories of the Ute with homesteader settlers in the place of Routt County, Colorado, we get a new version of the story of the creation of the American Quarter Horse. This article will discuss the role of the Utes and their contribution to Quarter Horse breeding in Routt County, chronicle the pioneer breeders who came to the area after the removal of the Utes, and showcase the importance of the role environment plays in animal breeding, all leading to the formal creation of the American Quarter Horse Association, the most popular breed registry in the United States.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,221
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,170
Écart entre enseignants0,160 · 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.

Devis d'étudeSans objet
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 revueRoger Williams University - Digital Commons (Roger Williams University)Même sujetMagnetic confinement fusion researchTravaux en français237 207