Farklı gama ışını dozları uygulanmış bazı nohut çeşitlerinin M2 generasyonunda morfo-agronomik özelliklerinin belirlenmesi
Bibliographic record
Abstract
Bu çalışma farklı dozlarda (100, 200, 300 Gy) gama ışınlarının dört farklı nohut çeşidinin (Azkan, Aksu, Uzunlu 99 ve Sarı 98) M2 generasyonda kontrol dozuna göre tane verimi ve bazı verim öğeleri üzerinde meydana getirdiği değişimi belirlemek amacıyla yürütülmüştür. Araştırma tesadüf bloklarında bölünmüş parseller deneme desenine göre 3'er tekerrürlü olarak 2019 yılında yürütülmüştür. Ana parsellere çeşitler alt parsellere ise gama ışını dozları yerleştirilmiştir. Kontrole göre uygulanan tüm gama ışını dozları çiçeklenme süresi (gün) ve baklada tane sayısı (adet bakla-1) hariç çalışmada incelenen diğer özelliklerden bitki boyunu (cm), bitkide bakla sayısını (adet bitki-1), bitkide tane sayısını (adet bitki-1), bitki tane verimini (g bitki-1) ve biyolojik verimi (g bitki-1) istatistiki önemde etkilediği tespit edilmiştir. Çalışma sonuçlarına göre göre kontrolde en yüksek bitki tane verimi Azkan çeşidinde, 100 Gy’de Aksu çeşidinde, 200 ve 300 Gy’de ise Azkan çeşidinden elde edilmiştir. Azkan çeşidinde bitki tane veriminin en fazla olduğu doz 300 Gy, Aksu’da 100 Gy, Uzunlu 99’da 300 Gy ve Sarı 98 çeşidinde ise 100 Gy gama ışını dozundan elde edildiği saptanmıştır. Bu durum gösteriyor ki, Azkan nohut çeşidinde 200 ve 300 gy dozlarında incelenen bitkisel özelliklerin çoğunda varyasyonlar elde edilirken, Aksu çeşidinde istenen varyasyon 100 gy gama ışını dozundan elde edilmiştir.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
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".