Principales activités des programmes d’amélioration génétique de la lentille et du pois chiche Kabuli à ICARDA.
Notice bibliographique
Résumé
Le développement de matériel génétique à haut potentiel de rendement, résistant aux principales\ncontraintes biotiques (Anthracnose, Fusariose, pourriture racinaire, plantes parasites et insectes) et\nabiotiques (stress hydrique, haute température) et de bonne qualité technologique et nutritionnelle sont\nles objectifs majeurs des programmes d’amélioration génétique de la lentille et du pois chiche type\nKabuli à ICARDA. Dans le cadre de sa mission globale de production de biens publics chez ces\nespèces au sein du CGIAR et en collaboration avec les partenaires nationaux de recherche (NARS), 91\nvariétés (42 de pois chiche et 49 de lentille) ont été inscrites au cours des dix dernières années pas\nuniquement dans les pays de la zone d’intervention de l’ICARDA mais aussi dans beaucoup d’autres\npays dont certains pays européens, le Canada et l’Australie. Ces variétés ont largement contribué à\nl’amélioration de la productivité, l’accroissement des superficies et l’augmentation de la production au\nbénéfice des petits agriculteurs des zones sèches. Par ailleurs, l’ICARDA dispose, dans la banque de\ngènes, d’une large collection de ressources génétiques de légumineuses alimentaires de 48,000\naccessions dont 15,195 de pois chiche et 13,907 de lentille avec respectivement 547 et 605 accessions\nd’espèces sauvages. Ces ressources sont caractérisées par une diversité génétique importante pour\ndifférents caractères et sont largement diffusées et exploitées par les programmes d’amélioration\ngénétique à l’ICARDA et dans le monde.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».