A takarmányozás hatása magyar nagyfehér x magyar lapály és szőke mangalica sertések hizlalási teljesítményére
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
A szerzők az első közleményben (Gundel és mtsai, 2005.) ismertetett intenzív (A) és extenzív (B) abrakkeverékkel hizlalt MNFxML keresztezett és mangalica sertések zsírjának zsírsav-összetételét határozták meg. Az állatok 100, ill. 130 kg-os súlyban kerültek levágásra, majd a főbb húsrészek (comb, karaj) és a szalonna koleszterin és nyerszsírtartalma, valamint zsírsav-összetétele megállapítása után, értékelték a genotípus és a takarmányozás, ill. az eltérő vágósúly hatását. A mangalica sertések szalonnájának koleszterintartalma intenzív takarmányozással kevésbé, míg extenzív takarmányozással jelentősen nagyobb volt, és amit még a vágósúly is befolyásolt, mint a MNFxML állatoké. Hasonló tendencia volt a karaj- és combminták esetében. A többszörösen telítetlen zsírsavak, és ezek közül a linói1 és a linolénsav koncentráció, a mangalica sertések mintáiban általában fele vagy egyharmada volt a MNFxML állatokéban mértnek. Megállapítható, hogy a hús és szalonnaminták zsírsav-összetételét legnagyobb mértékben a genotípus, de a takarmányozás és a vágósúly is befolyásolja.
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.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.002 | 0.008 |
| Scholarly communication | 0.001 | 0.008 |
| Open science | 0.011 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.000 | 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 it