Gyomvizsgálatok Pest megyei homoki mezőgazdasági területeken (lucernaföldek gyomvizsgálatai) I.
Bibliographic record
Abstract
A vizsgálatokat Dömsöd határában lévő homoki mezőgazdasági területeken végeztük őszi és tavaszi aszpektusban is havi szinten. A felvételezés során %-os becslési módszert alkalmaztuk. A mintaterületeket véletlenszerűen jelöltük ki, melyek minden esetben 1×1 m-es kvadrátok voltak. Mintaterületenként, egyegy mezőgazdasági táblában 6 négyzetet vizsgáltunk NÉMETH (2002) által módosított 1×1 m-es kvadrátokban. A táblaszéleket és táblán belüli területeket is 3–3 ismétlésben mértük fel. A lucerna táblák közül a leggazdagabb gyomflóra a fiatal vetett táblában volt, mind a cönológiai, mind a magbank vizsgálatai alapján. A több éves lucerna táblák a gyomok mennyiségében és a magbankban is kisebb volt. A lucerna kompetíciós képessége és árnyékoló hatása a gyomosodást csökkentette. A ökogazdaság gyomvegetációja volt a legfajszegényebb, de magbankban itt jelentősebb, mint a hagyományos gazdálkodású táblában.
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 0.013 |
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; both teacher heads agree on what is shown here.
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".