MétaCan
Menu
Retour à la cohorte
Enregistrement W7111571140

Alpesi anyakecskék vérmérsékletének kapcsolata a tejtermelésükkel egy hazai tenyészetben

2015· article· hu· W7111571140 sur OpenAlexaboutno aff

Notice bibliographique

RevueRepository of the Academy's Library (Library of the Hungarian Academy of Sciences) · 2015
Typearticle
Languehu
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Production (economics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A szerzők célja alpesi anyakecskék vérmérsékletének tejtermelésre (napi maximális, 100. napra korrigált laktációs és teljes laktációs) gyakorolt hatásának értékelése (n=46) volt. A kecskék fejése 1 x 6-os Alfa Laval fejőállásban, napi 2 alkalommal történt. A vizsgált kecskék 1-5 laktáció számúak és 3 apától származtak. A vérmérséklet értékelését, az un. mérleg teszt (az állat viselkedésének értékelése 1-5 pontos skálán, a mérlegen töltött idő 30 másodperc alatt) és módosított menekülési sebesség teszt (az állat viselkedésének értékelése a mérleg elhagyása utáni 15 m megtételéhez szükséges időtartam mérése) segítségével végezték el a laktáció első harmadában (laktáció 100- 120. napja között). A menekülési sebesség időértékeit 1-5 kategóriákba sorolták 8 mp időközökkel, 8 mp alatt 5-ös pont, 32 mp felett 1-es pontot kapott a vizsgált állat. A vizsgálat során, ideges, agresszív (5-ös pont) viselkedést egyik állat sem mutatott. A mérleg teszt során 1-es pontot kapott egyedeknek a100. napra korrigált laktációs tejtermelése 288 kg volt, ezzel szemben, a 3-as és 4-es pontszámot kapott kecskék 172 és 129 kg tejet termeltek. A menekülési sebesség esetén az 1-es kategóriába került anyakecskék 300 kg tejet termeltek a 100 nap alatt, míg a 3-as és 4-es pontszámú kecskék 188 kg és 134 kg tejet termeltek. A vérmérsékletnek jelentős hatása volt az alpesi anyakecskék tejtermelésére.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte
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 enseignants0,289
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,006
Communication savante0,0010,015
Science ouverte0,0130,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,034
Tête enseignante GPT0,231
Écart entre enseignants0,196 · 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'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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepository of the Academy's Library (Library of the Hungarian Academy of Sciences)Même sujetGlobal Trade and CompetitivenessTravaux en français237 207