MétaCan
Menu
Retour à la cohorte
Enregistrement W7161952116 · doi:10.82308/1814

Evaluation of prediction models for Sclerotinia stem rot (Sclerotinia sclerotiorum) of soybean (Glycine max) in Quebec

2022· dissertation· en· W7161952116 sur OpenAlexaboutno aff
Césarée Morier‐Gxoyiya

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant pathogens and resistance mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSclerotinia sclerotiorumEnvironmental factorDevelopmental stageSilvicultureCrop management

Résumé

récupéré en direct d'OpenAlex

La sclérotiniose (Sclerotinia sclerotiorum (Lib.) de Bary) est une maladie qui s’attaque à plusieurs cultures, y compris le soya (Glycine max (L.) Merr.). Au Québec, la sclérotiniose est généralement contrôlée par l’application de fongicides chimiques pendant les stades de floraison de la culture. Cependant, l'efficacité des fongicides varie en fonction du risque d'épidémie, qui est largement influencé par les conditions agro-environnementales. Les applications de fongicides de façon préventive sont donc parfois superflues, ce qui engendre des coûts non seulement sur le plan économique, mais aussi sur le plan environnemental. Les modèles de prévision peuvent guider les décisions des producteurs quant à la gestion de la sclérotiniose en les informant de la nécessité et du moment le plus propice aux applications de fongicides. Dans ce projet, des sclérotes pré-conditionnés de S. sclerotiorum ont été enfouis dans des sites expérimentaux établis dans des champs commerciaux et de recherche situés dans des régions productrices de soya au Québec. Le but du projet était d'évaluer la relation entre les conditions agronomiques et environnementales sur la germination carpogène des sclérotes. En utilisant des données recueillies de 2019 à 2021 au Québec, la performance de différents modèles prédisant le risque de sévérité de la sclérotiniose et la formation d’apothécies dans le soya a été évaluée. Une fois validés et modifiés sous le climat du Québec, les modèles les plus précis pourraient être utilisés dans un système intégré d'aide à la décision pour les producteurs de soya du Québec

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,146
Score d'incertitude au seuil0,294

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,053
Tête enseignante GPT0,255
Écart entre enseignants0,202 · 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'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPlant pathogens and resistance mechanismsTravaux en français237 207