MétaCan
Menu
← Retour à la cohorte
Enregistrement W7071923411

TÌNH HÌNH SỬ DỤNG THUỐC HÓA CHẤT TRONG MÔ HÌNH LÚA - CÁ KẾT HỢP, CÁ TRA AO ĐẤT VÀ CÁ ĐIÊU HỒNG TRONG LỒNG BÈ Ở ĐỒNG BẰNG SÔNG CỬU LONG

2014· article· vi· W7071923411 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2014
Typearticle
Languevi
DomaineEnvironmental Science
ThématiqueResearch studies in Vietnam
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoutheast asiaNova scotiaCentral asiaSocialist republic
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nghiên cứu được thực hiện trong năm 2013 nhằm đánh giá về tình hình sử dụng thuốc hóa chất trong quá trình canh tác mô hình lúa ? cá kết hợp, nuôi cá tra ao đất và nuôi cá điêu hồng trong lồng bè. Khảo sát được thực hiện ở 30 mô hình cá lúa ở huyện Cờ Đỏ, Cần Thơ, 15 ao nuôi cá tra ở Châu Phú và 22 bè nuôi cá điêu hồng ở Long Xuyên, An Giang và Cao Lãnh, Đồng Tháp. Qua kết quả điều tra cho thấy 100% các hộ nuôi cá sử dụng hoá chất trong quá trình nuôi. Có 37 loại thuốc hóa chất được nông hộ sử dụng trong mô hình lúa -cá, đa phần được sử dụng cho lúa. Mô hình cá Nuôi cá tra có 19 loại thuốc hóa chất được sử dụng trong đó có 10 loại thuộc nhóm xử lý nước, cải tạo ao và diệt ký sinh trùng, 7 loại thuộc nhóm thuốc kháng sinh dùng để phòng và trị bệnh cho cá và 2 loại dùng để bổ sung thức ăn. Có 18 loại thuốc hóa chất được sử dụng trong quá trình nuôi cá điêu hồng thuộc nhóm thuốc kháng sinh, nhóm thuốc hóa chất dùng xử lý môi trường và trị ký sinh trùng. Nhìn chung các loại kháng sinh sử dụng trong các mô hình nuôi không khác nhau nhiều, không có các loại thuốc nằm trong danh mục cấm của Bộ Thuỷ sản, tuy nhiên đa phần các loại thuốc đều nằm trong danh mục hạn chế sử dụng. Điều này có thể dẫn tới khả năng tồn lưu của các loại thuốc này cao hơn giới hạn cho phép (MRL) ảnh hưởng tới sức khoẻ người tiêu dùng và xuất khẩu sản phẩm.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
Score de désaccord entre enseignants0,279
Score d'incertitude au seuil0,932

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,001
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,2790,095

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 Opus0,244
Tête enseignante GPT0,574
Écart entre enseignants0,331 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetResearch studies in Vietnam→Travaux en français237 207→