MétaCan
Menu
Back to cohort
Record W7065725754

Évaluation des technologies de refroidissement utilisées chez la vache laitière au Québec

2023· other· fr· W7065725754 on OpenAlexaboutno aff

Bibliographic record

Venuenot available
Typeother
Languagefr
FieldPhysics and Astronomy
TopicMagnetic confinement fusion research
Canadian institutionsnot available
Fundersnot available
KeywordsHeat stressNet energyStress (linguistics)Cold stress
DOInot available

Abstract

fetched live from OpenAlex

Le stress de chaleur chez la vache laitière est une problématique reconnue pour entraîner des diminutions de performances se répercutant ultimement sur la profitabilité de la filière laitière. Plusieurs technologies de refroidissement sont actuellement disponibles sur le marché. Le projet présenté dans le cadre de ce mémoire avait comme objectifs de quantifier le nombre de jours par année pouvant provoquer un stress de chaleur dans les principales régions laitières de la province, d'évaluer le taux d'adoption des technologies de refroidissement au Québec et d'évaluer leur efficacité dans le contexte québécois. Pour les années 2019-2021, une moyenne de 91,0 ± 9,9 jr/année, 171,5 ± 1,1 jr/année et 153,0 ± 2,8 jr/année étaient susceptibles de déclencher une diminution de la production de lait, de gras ou de protéines due au stress de chaleur, respectivement dans les deux régions les plus chaudes de la province (Lanaudière et Montérégie-Ouest). En comparaison, dans les deux régions les plus froides (Abitibi-Témiscamingue et Bas-Saint-Laurent), ce sont en moyenne 54,3 ± 11,3 jr/année, 118,7 ± 27,3 jr/année et 106,5 ± 20,3 jr/année qui étaient susceptibles de déclencher une baisse de production de lait, de gras ou de protéines respectivement. L'analyse de la banque de données a démontré que 23% des troupeaux ont rapporté employer une technologie de refroidissement pendant l'été. Peu importe le type de stabulation, la technologie de refroidissement la plus utilisée était les ventilateurs de recirculation. Les modèles multivariés de prédiction des performances pendant l'été ont démontré une association significative positive entre la présence d'une stratégie de refroidissement et les performances des animaux. De plus, nos résultats ont démontré que la présence de technologie de refroidissement diminue (odds ratio 0,587 ; 95% IC : 0,420-0,820 ; P = 0,002) le risque de chute de lait en été alors qu'elle n'a aucun lien (P > 0,05) avec la chute des composants.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.171
Threshold uncertainty score0.345

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.002
Science and technology studies0.0020.001
Scholarly communication0.0020.001
Open science0.0010.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.030
GPT teacher head0.288
Teacher spread0.258 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same topicMagnetic confinement fusion researchFrench-language works237,207