Étude de la composition des matières organiques végétales résiduelles sur les performances de croissance, les bilans de bioconversion et la qualité nutritionnelle des larves de mouches soldats noires
Bibliographic record
Abstract
Cette étude visait à étudier le potentiel des larves de mouches soldats noires (MSN) à convertir les matières organiques végétales (MOV) pré-consommation à forte teneur en humidité recueillies chez les détaillants alimentaires de la région de Québec. Les MOV recueillies dans des épiceries clientes d’un collecteur de matières organiques résiduelles (MOR) local (Sanimax Inc, Québec, Canada) ont été caractérisées quantitativement (masse et fréquence des différents types de MOV) et qualitativement (matières sèches, cendres, fibres, glucides, énergie, contenu en protéines et en lipides). Différentes diètes à base de MOV ont été formulées pour alimenter des larves de mouches et tester leurs effets sur la croissance (poids moyen, longueur, largeur, rapport longueur/largeur et indice de Fulton) et la composition proximale nutritionnelle des larves de MSN. De plus, cette étude établit le rendement de conversion auquel on peut s'attendre sur ces matières par la production de larves de MSN. L’évolution de différents paramètres physico-chimique (température et pH) lors de la bioconversion et le profil nutritionnel des larves sont aussi présentés.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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.
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".