MétaCan
Menu
Retour à la cohorte
Enregistrement W7117363290 · doi:10.51978/proppnp.v5i0.548

Pelatihan Pembuatan Pakan Komplit di Desa Paopao Kabupaten Barru

2024· article· W7117363290 sur OpenAlexaff
Fitriana Akhsan, Nurjannah Bando, Syahruni Thamrin, Muhammad Jurhadi Kadir, Herlina Herlina

Notice bibliographique

RevueProsiding Seminar Nasional Politeknik Pertanian Negeri Pangkajene Kepulauan · 2024
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueLivestock Farming and Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPopulationWeight gainBody weightEstrous cycle

Résumé

récupéré en direct d'OpenAlex

Swasembada Daging sapi belum bisa dicapai. Permasalahan utama yang menyebabkan hal tersebut yaitu populasi sapi potong terbesar yaitu pada kalangan peternak, yang hanya memiliki kapasitas usaha 2-3 ekor per orang. Keterbatasan peternak dalam menyediakan pakan secara konsisten dari segi kuantitas, kualitas dan kontinuitas menjadi kendala utama. Tujuan dilakukannya kegiatan pengabdian ini yaitu untuk menyampaikan informasi terkait teknologi penyediaan pakan kepada masyarakat dalam bentuk pakan komplit yang berbasis indigofera dan bahan pakan lokal. Kegiatan ini dilakukan pada bulan September 2024. Kelompok sasaran/ mitra kegiatan ini yaitu kelompok tani hutan Tompo Sekka, Desa Paopao Kabupaten Barru. Metode pelaksanaan kegiatan yaitu penyuluhan dan praktek pembuatan pakan. Hasil yang diperoleh pada kegiatan pengabdian ini yaitu formulasi ransum dan pakan komplit yang telah dibuat berbasis indigofera dan bahan pakan lokal yang dapat diaplikasikan pada ternak sapi potong. Setelah mengikuti kegiatan pengabdian ini, masyarakat peternak diharapkan mampu mengadopsi formulasi ransum yang telah disusun dan menerapkan pakan komplit pada usaha budidaya sapi potong yang secara langsung dapat berdampak pada peningkatan populasi ternak sapi di Indonesia.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0610,014

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 Opus0,022
Tête enseignante GPT0,250
Écart entre enseignants0,229 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProsiding Seminar Nasional Politeknik Pertanian Negeri Pangkajene KepulauanMême sujetLivestock Farming and ManagementTravaux en français237 207