Bibliographic record
Abstract
La lutte biologique utilise des organismes vivants pour diminuer les niveaux de population d'autres organismes, généralement nuisibles. Les ennemis naturels les plus souvent utilisés en lutte biologique comprennent les microorganismes, les nématodes, les prédateurs et les parasitoïdes. Ces derniers sont responsables de nombreux succès en lutte biologique et ils occupent dans les écosystèmes naturels une place importante. On considère que la mortalité causée par les parasitoïdes est plus importante en nature que celle attribuée aux prédateurs et aux microorganismes combinés. On retrouve des parasitoïdes dans six ordres d'insectes mais ce sont surtout les parasitoïdes hyménoptères, diptères et coléoptères qui ont été étudiés en lutte biologique. Malgré des qualités indéniables en lutte biologique (grande spécificité, innocuité pour l'homme, possibilités d'élevage de masse), l'utilisation de parasitoïdes en lutte biologique n'est pas sans problème. Les risques associés à la pollution génétique des populations naturelles et aux conditions d'élevages de masse doivent être pris en ligne de compte dans l'évaluation des coûts et bénéfices de la lutte biologique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.016 |
| Scholarly communication | 0.008 | 0.016 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".