ĐáNH GIá TăNG TRƯởNG, Tỉ Lệ SốNG Và NăNG SUấT Cá CHéP (CYPRINUS CARPIO LINAEUS, 1758) NUÔI TRONG MÔ HìNH LúA - Cá KếT HợP
Bibliographic record
Abstract
Nghiên cứu này được thực hiện trong chín ruộng lúa có diện tích từ 3.000-5.000 m2 tại hai huyện Long Mỹ và Vị Thủy thuộc tỉnh Hậu Giang từ tháng 5 đến tháng 12 năm 2009. Nghiên cứu gồm 3 nghiệm thức và 3 lần lặp lại, các loài cá thả nuôi bao gồm chép Việt, chép Hungary với tỉ lệ là 15%, 20% và 25%; cá rô phi với tỉ lệ 50%, 40% và 30%; cá sặc rằn và cá mè trắng là 10%. Mật độ thả nuôi trong thí nghiệm là 2 con/m2 ở tất cả các nghiệm thức. Trong các ruộng thí nghiệm thì các yếu tố môi trường nằm trong khoảng thích hợp cho cá cho sinh trưởng bình thường của cá. Tuy nhiên, độ trong (8,3-9,3 cm) và oxy hòa tan (2,76-3,30 mg/l) giảm thấp vào cuối vụ nuôi, Chlorophyll-a trong ruộng thí nghiệm thấp (9,63-26,5 mg/m3). Tăng trưởng ngày của cá chép Việt, chép Hungary, rô phi, sặc rằn và cá mè trắng ở các nghiệm thức thí nghiệm lần lượt là 1,28; 1,48; 1,01; 0,3 và 1,09 g/ngày. Tỉ lệ sống và năng suất cá chép Việt, chép Hungary, rô phi, sặc rằn và cá mè trắng ở các nghiệm thức thí nghiệm lần lượt là 11,9% và 107 kg/ha; 16,4% và 186 kg/ha; 27,4% và 407 kg/ha; 31,9% và 31,9 kg/ha; 46,3% và 182 kg/ha. Năng suất chép Việt và chépHungary khác biệt có ý nghĩa (P
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) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".