Análise de agrupamento via método do 𝑘-médias para seleção genética em ovinos
Bibliographic record
Abstract
A ovinocultura brasileira vem mostrando ao longo do tempo um aumento no potencial produtivo e de consumo. Entretanto, enfrenta barreiras relacionadas a criação dos pequenos ruminantes, barreiras relacionadas as infecções causadas por nematóides gastrointestinais. Buscando quebrar essas barreiras, os criadores costumam fazer uso de tratamentos a base de anti-helminticos, no entanto os nematóides ao longo do tempo criaram o que chamam de resistência anti-helmintica. Na busca por métodos que não envolvam esses tratamentos, alguns estudos surgiram objetivando a seleção genética via análise de agrupamentos. Nesse trabalho, são utilizados três variáveis, baseadas no número médio de ovos por grama de fezes (OPG), ganho de peso diário que foi calculado de duas formas e a porcentagem média para o teste do hematócrito (HT), as quais foram coletadas durante o período de 2020 a 2022 em ovinos da raça Santa Inês. Os dados passaram por uma análise de componentes principais e uma análise de agrupamentos pelo algoritmo do 𝑘-médias para a obtenção dos grupos com as características de resiliência, resistências e sensíveis a infecção pelos parasitas. A análise foi feita via software R e a determinação dos grupos foi feita através de uma análise detalhada dos dados.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.057 | 0.046 |
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".