MétaCan
Menu
Retour à la cohorte
Enregistrement W791123359 · doi:10.4148/2378-5977.1630

Grazing cattle on winter cereal pasture on the sandy soils of south-central Kansas

2004· article· en· W791123359 sur OpenAlexaff
V. L. Martin, Richard Hale

Notice bibliographique

RevueKansas Agricultural Experiment Station Research Reports · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensFields Institute for Research in Mathematical Sciences
Organismes subventionnairesnon disponible
Mots-clésPastureAgronomyTriticaleHayForageAcreSorghumGrazingStockingBiologyHectareAnimal scienceAgriculture

Résumé

récupéré en direct d'OpenAlex

Rye, wheat, and triticale pasture were evaluated during the winters of 2000-01, 2001-02, and 2002-03 for their ability to increase cattle weight from late fall through mid-spring. Large-scale studies were conducted on two 80-acre sites divided into either 25- or 40-acre pastures. Cattle at these sites were stocked at one head per acre, with an average initial weight between 500 and 550 lb. At the Sandyland Experiment Field, small-scale studies were conducted by using the same winter cereals for forage, but at greater stocking rates, ranging from two to three head per acre. Supplemental feeding, as necessary, included summer annual forage hay, prairie hay, and grain consisting of wheat middlings and processed grain sorghum. Winter cereals were planted at 100 lb/acre in September of each year. Rye provided the best pasture in terms of cattle weight gain and needed the least supplemental feeding. Wheat was next in producing pounds of beef, and triticale produced less gain than either rye or wheat. These data suggest that rye and wheat were able to support greater stocking rates than triticale.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil0,371

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,061
Tête enseignante GPT0,319
Écart entre enseignants0,258 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKansas Agricultural Experiment Station Research ReportsMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207