MétaCan
Menu
Back to cohort
Record W2888325710

Gestion de l'irrigation des laitues romaines (Lactuca sativa L.) cultivées en sol organique

2011· article· fr· W2888325710 on OpenAlexfundaboutno aff
Laurie Plamondon-Duchesneau

Bibliographic record

VenueCorpus Université Laval (Université Laval) · 2011
Typearticle
Languagefr
FieldAgricultural and Biological Sciences
TopicAgriculture and Rural Development Research
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of Canada
KeywordsLactucaHorticultureBiology
DOInot available

Abstract

fetched live from OpenAlex

Au Canada, les producteurs de laitue au champ souhaitent améliorer l'irrigation afin de réduire les besoins en eau et le lessivage de l'azote et du phosphore dans le sol. Une bonne gestion peut mener à une utilisation plus rationnelle de l'eau, maximiser la productivité et réduire l'incidence de désordres physiologiques chez la laitue cultivée en mottes cubiques et en sol organique. Les hypothèses de cette étude sont que la productivité et l'incidence de la brûlure de la pointe de la laitue romaine sont affectées par le potentiel matriciel du sol qui varie selon les types de sol organique et la profondeur des contenants de culture. L'objectif général de cette étude est de mettre au point une régie d'irrigation adaptée aux besoins des cultures en sols organiques et aux contraintes environnementales et ainsi, obtenir une meilleure croissance végétale grâce à une meilleure synchronisation des besoins d'irrigation de la culture. Pour ce faire, différentes gestions d'irrigation ont été étudiées de même que l'influence de la profondeur de sol sur la croissance des transplants de laitue romaine. Des essais effectués en chambre de croissance (CAC) et en serre ont permis de conclure qu'une gestion de l'irrigation entre -20 et -30 kPa augmente la productivité de la laitue romaine à la récolte mais affecte peu l'incidence de la brûlure de la pointe.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.669
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.000
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.015
GPT teacher head0.192
Teacher spread0.177 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations6
Published2011
Admission routes2
Has abstractyes

Explore more

Same venueCorpus Université Laval (Université Laval)Same topicAgriculture and Rural Development ResearchFrench-language works237,207