وصفات تقليدية

قد تفتح تشكيلة القهوة الهجينة الجديدة أبوابًا في الصناعة

قد تفتح تشكيلة القهوة الهجينة الجديدة أبوابًا في الصناعة

من المقرر اختبار الصنف الجديد في حقول المزارعين هذا العام

وفقًا للمنظمة ، تتمتع الهجينة F1 بالقدرة على الجمع بين الصفات المواتية بما في ذلك الغلة العالية ومقاومة الأمراض.

إذا كنت من محبي القهوة ، فمن المرجح أنك سمعت بمصطلح "أرابيكا" حبوب البن. أرابيكا ، من السكان الأصليين أثيوبيا، هو أحد أكثر أنواع حبوب البن شيوعًا. في الآونة الأخيرة ، المنظمة غير الربحية أبحاث البن العالمية أعلن أن هناك نوعًا جديدًا من القهوة في المدينة ، وقد يغير اللعبة بالنسبة لمنتجي القهوة.

وفقًا للمنظمة ، فإن صنف القهوة الجديد ، Starmaya ، هو الأول من نوعه - هجين F1 يتم تربيته بواسطة البذور بدلاً من التكنولوجيا الحيوية. نظرًا لأنه يتم نشرها عن طريق البذور ، فمن المحتمل أن تفتح الأبواب أمام "فئة النخبة من الأصناف".

قبل Starmaya ، كانت إمكانية وصول معظم المزارعين إلى الهجينة F1 صغيرة جدًا ، حيث لا يمكن إنتاجها حاليًا إلا من خلال "مشاتل متطورة تقنيًا".

تقول المنظمة غير الربحية إنها تخطط لدمج الهجين في برنامجين بحثيين رئيسيين من المأمول أن يسمحا بالتنوع ليصبح أكثر سهولة في الوصول إليه المزارعين فى المستقبل.


Nafziger يعطي معنى للإحصاءات في مؤتمر AGMasters

وقال: "يمكننا أن نفكر في المحاصيل المزروعة في الحقول على أنها" تجمعات "للنباتات". "بشكل أساسي عندما نطبق نوعًا من العلاج ، نحتاج إلى معرفة ما إذا كان هذا يشكل مجموعة سكانية جديدة أم لا؟ الإحصائيات ، التي يمكن اعتبارها علمًا لوصف التباين في السكان ، يمكن أن تساعدنا في معرفة ما يحدث بالفعل."

قدم نافزيغر للمشاركين في المؤتمر دورة قصيرة في الإحصاء باستخدام بيانات التجربة الشريطية الفعلية من التجارب التي أجريت في المزرعة لإظهار كيف يؤثر التباين من قطاع إلى قطاع على النتائج ، ولاستكشاف ما يعنيه أن تكون "مهمًا".

باستخدام جدول بيانات Excel ، قام Nafziger بتحليل البيانات في التجارب لشرح المصطلحات الإحصائية وكيفية استخدامها لتفسير النتائج.

وقال "إن" الحقيقة "و [مدش] تسبب في علاج تسبب في حدوث استجابة أم لا و [مدش] موجود دائمًا ، ومن واجبنا فقط العثور عليه". "نحن لسنا في مجال إجراء تجارب" لطيفة "بدلاً من ذلك ، فالبحث التطبيقي هو عمل محاولة قول شيء ما عندما ننتهي".

نظرًا لأن التجارب في المزرعة غالبًا ما تحتوي على قدر كبير من التباين ، فقد قال إنه من المهم القيام بتعيينات علاجية عشوائية.

وقال "باستخدام مدخلات من النوع" نعم-لا "، على سبيل المثال لاستخدام مبيد فطري أم لا ، قم بتعيين العلاج بشكل عشوائي لشريط واحد من الشرائط المزدوجة". "يجب أن يتم ذلك قبل الزراعة أو بعده مباشرةً ، من أجل منع التحيز في الاحتفاظ بالبيانات أو إسقاطها."

عند تصميم التجارب البحثية في المزرعة ، قال نافزيغر لإبقائها بسيطة.

ويوصي باستخدام حجم شريط عريض بما يكفي للسماح بالحدود. كما أنه يشجع المزارعين على التوزيع العشوائي في كل تكرار ، واستخدام 4 إلى 8 أزواج من التكرار لكل موقع ، والاحتفاظ بسجلات دقيقة للمكان الذي تُزرع فيه الأشياء ، وقياس الغلات وفقًا لذلك ، والتحويل إلى الرطوبة القياسية بطريقة قياسية.

يحذر Nafziger المزارعين من تجاهل البيانات ما لم يعرفوا على وجه اليقين ما حدث مما تسبب في عدم موثوقية البيانات. قال عندما تنتهي الدراسة ، توقف واحصل على إجابتك.

يعني التأثير أو الاختلاف "المهم" أن العلاج كان من المحتمل أن يكون له تأثير ، ولكن هذا لا يعني أن العلاج مفيد أو أنه سيدفع. وقال إنه يمكن أن ننخدع أيضًا ، ونحصل على ردود "كبيرة" بسبب "حظ القرعة" عندما نخصص علاجات للشرائط. تتضاءل فرص هذا بسرعة مع استخدامنا المزيد من الحقول لإجراء مثل هذه المقارنات.

وقال "يمكن الحصول على نتائج غير مهمة من عدم وجود تأثير للعلاج أو من التباين الكبير بين الشرائح بحيث لا يمكننا فصل تأثير العلاج عن" ضوضاء الخلفية "للتغير".

بينما يوجد دائمًا خيار عدم قبول مثل هذا الاستنتاج باعتباره نهائيًا ، يحذر نافزيغر من التفكير في أن المزيد من العمل سيؤدي إلى نتيجة نحبها بشكل أفضل.

"لا تفكر في اختيار بياناتك لإعطاء الإجابة التي تريدها إذا كنت بحاجة إلى الحصول على إجابة معينة ، فلماذا تكلف نفسك عناء الذهاب إلى كل هذا العمل؟" هو قال. "هدفنا ليس إيجاد أهمية ، بل معرفة ما حدث وإلى أين نتجه من هناك."

وبغض النظر عن أي شيء ، فإن الحصول على إجابات تنبؤية لأسئلة البحث التطبيقي يتطلب قدرًا كبيرًا من العمل ، والحصول على إجابات جيدة يتطلب الصدق والمزيد من العمل ، على حد قوله.

قال: "لا توجد طرق مختصرة حقًا". "الإحصائيات لا تحل محل الكمية الكبيرة من البيانات والملاحظة الدقيقة التي تتطلبها الأبحاث الجيدة في المزرعة دائمًا."


Nafziger يعطي معنى للإحصاءات في مؤتمر AGMasters

وقال: "يمكننا أن نفكر في المحاصيل المزروعة في الحقول على أنها" تجمعات "للنباتات". "بشكل أساسي عندما نطبق نوعًا من العلاج ، نحتاج إلى معرفة ما إذا كان هذا يشكل مجموعة سكانية جديدة أم لا؟ الإحصائيات ، التي يمكن اعتبارها علمًا لوصف التباين في السكان ، يمكن أن تساعدنا في معرفة ما يحدث بالفعل."

قدم نافزيغر للمشاركين في المؤتمر دورة قصيرة في الإحصاء باستخدام بيانات التجربة الشريطية الفعلية من التجارب التي أجريت في المزرعة لإظهار كيف يؤثر التباين من قطاع إلى قطاع على النتائج ، ولاستكشاف ما يعنيه أن تكون "مهمًا".

باستخدام جدول بيانات Excel ، قام Nafziger بتحليل البيانات في التجارب لشرح المصطلحات الإحصائية وكيفية استخدامها لتفسير النتائج.

وقال "إن" الحقيقة "و [مدش] تسبب في علاج تسبب في حدوث استجابة أم لا و [مدش] موجود دائمًا ، ومن واجبنا فقط العثور عليه". "نحن لسنا في مجال إجراء تجارب" لطيفة "بدلاً من ذلك ، فالبحث التطبيقي هو عمل محاولة قول شيء ما عندما ننتهي".

نظرًا لأن التجارب في المزرعة غالبًا ما تحتوي على قدر كبير من التباين ، فقد قال إنه من المهم القيام بتعيينات علاجية عشوائية.

وقال "باستخدام مدخلات من النوع" نعم-لا "، على سبيل المثال لاستخدام مبيد فطري أم لا ، قم بتعيين العلاج بشكل عشوائي لشريط واحد من الشرائط المزدوجة". "يجب أن يتم ذلك قبل الزراعة أو بعده مباشرةً ، من أجل منع التحيز في الاحتفاظ بالبيانات أو إسقاطها."

عند تصميم التجارب البحثية في المزرعة ، قال نافزيغر لإبقائها بسيطة.

ويوصي باستخدام حجم شريط عريض بما يكفي للسماح بالحدود. كما أنه يشجع المزارعين على التوزيع العشوائي في كل تكرار ، واستخدام 4 إلى 8 أزواج من التكرار لكل موقع ، والاحتفاظ بسجلات دقيقة للمكان الذي تُزرع فيه الأشياء ، وقياس الغلات وفقًا لذلك ، والتحويل إلى الرطوبة القياسية بطريقة قياسية.

يحذر Nafziger المزارعين من تجاهل البيانات ما لم يعرفوا على وجه اليقين ما حدث مما تسبب في عدم موثوقية البيانات. قال عندما تنتهي الدراسة ، توقف واحصل على إجابتك.

يعني التأثير أو الاختلاف "المهم" أن العلاج كان من المحتمل أن يكون له تأثير ، ولكن هذا لا يعني أن العلاج مفيد أو أنه سيدفع. وقال إنه يمكن أن ننخدع أيضًا ، ونحصل على ردود "كبيرة" بسبب "حظ القرعة" عندما نخصص علاجات للشرائط. تتضاءل فرص هذا بسرعة مع استخدامنا المزيد من الحقول لإجراء مثل هذه المقارنات.

وقال "يمكن الحصول على نتائج غير مهمة من عدم وجود تأثير للعلاج أو من التباين الكبير بين الشرائح بحيث لا يمكننا فصل تأثير العلاج عن" ضوضاء الخلفية "للتغير".

بينما يوجد دائمًا خيار عدم قبول مثل هذا الاستنتاج باعتباره نهائيًا ، يحذر نافزيغر من التفكير في أن المزيد من العمل سيؤدي إلى نتيجة نحبها بشكل أفضل.

"لا تفكر في اختيار بياناتك لإعطاء الإجابة التي تريدها إذا كنت بحاجة إلى الحصول على إجابة معينة ، فلماذا تكلف نفسك عناء الذهاب إلى كل هذا العمل؟" هو قال. "هدفنا ليس إيجاد أهمية ، بل معرفة ما حدث وإلى أين نتجه من هناك."

وبغض النظر عن أي شيء ، فإن الحصول على إجابات تنبؤية لأسئلة البحث التطبيقي يتطلب قدرًا كبيرًا من العمل ، والحصول على إجابات جيدة يتطلب الصدق والمزيد من العمل ، على حد قوله.

قال: "لا توجد طرق مختصرة حقًا". "الإحصائيات لا تحل محل الكمية الكبيرة من البيانات والملاحظة الدقيقة التي تتطلبها الأبحاث الجيدة في المزرعة دائمًا."


Nafziger يعطي معنى للإحصاءات في مؤتمر AGMasters

وقال: "يمكننا أن نفكر في المحاصيل المزروعة في الحقول على أنها" تجمعات "للنباتات". "بشكل أساسي عندما نطبق نوعًا من العلاج ، نحتاج إلى معرفة ما إذا كان هذا يشكل مجموعة سكانية جديدة أم لا؟ الإحصائيات ، التي يمكن اعتبارها علمًا لوصف التباين في السكان ، يمكن أن تساعدنا في معرفة ما يحدث بالفعل."

قدم نافزيغر للمشاركين في المؤتمر دورة قصيرة في الإحصاء باستخدام بيانات التجربة الشريطية الفعلية من التجارب التي أجريت في المزرعة لإظهار كيف يؤثر التباين من قطاع إلى قطاع على النتائج ، ولاستكشاف ما يعنيه أن تكون "مهمًا".

باستخدام جدول بيانات Excel ، قام Nafziger بتحليل البيانات في التجارب لشرح المصطلحات الإحصائية وكيفية استخدامها لتفسير النتائج.

وقال "إن" الحقيقة "و [مدش] تسبب في علاج تسبب في حدوث استجابة أم لا و [مدش] موجود دائمًا ، ومن واجبنا فقط العثور عليه". "نحن لا نعمل على إجراء تجارب" لطيفة "بدلاً من ذلك ، فالبحوث التطبيقية هي عمل محاولة قول شيء ما عندما ننتهي."

نظرًا لأن التجارب في المزرعة غالبًا ما تحتوي على قدر كبير من التباين ، فقد قال إنه من المهم القيام بتعيينات علاجية عشوائية.

وقال "باستخدام مدخلات من النوع" نعم-لا "، على سبيل المثال لاستخدام مبيد فطري أم لا ، قم بتعيين العلاج بشكل عشوائي لشريط واحد من الشرائط المزدوجة". "يجب أن يتم ذلك قبل الزراعة أو بعده مباشرةً ، من أجل منع التحيز في الاحتفاظ بالبيانات أو إسقاطها."

عند تصميم التجارب البحثية في المزرعة ، قال نافزيغر لإبقائها بسيطة.

ويوصي باستخدام حجم شريط عريض بما يكفي للسماح بالحدود. كما أنه يشجع المزارعين على التوزيع العشوائي في كل تكرار ، واستخدام 4 إلى 8 أزواج من التكرار لكل موقع ، والاحتفاظ بسجلات دقيقة للمكان الذي تُزرع فيه الأشياء ، وقياس الغلات وفقًا لذلك ، والتحويل إلى الرطوبة القياسية بطريقة قياسية.

يحذر Nafziger المزارعين من تجاهل البيانات ما لم يعرفوا على وجه اليقين ما حدث مما تسبب في عدم موثوقية البيانات. قال عندما تنتهي الدراسة ، توقف واحصل على إجابتك.

يعني التأثير أو الاختلاف "المهم" أن العلاج كان من المحتمل أن يكون له تأثير ، ولكن هذا لا يعني أن العلاج مفيد أو أنه سيدفع. وقال إنه يمكن أن ننخدع أيضًا ، ونحصل على ردود "كبيرة" بسبب "حظ القرعة" عندما نخصص علاجات للشرائط. تتضاءل فرص هذا بسرعة مع استخدامنا المزيد من الحقول لإجراء مثل هذه المقارنات.

وقال: "يمكن الحصول على نتائج غير مهمة من عدم وجود تأثير للعلاج أو من التباين الكبير بين الشرائح بحيث لا يمكننا فصل تأثير العلاج عن" ضوضاء الخلفية "للتغير".

بينما يوجد دائمًا خيار عدم قبول مثل هذا الاستنتاج باعتباره نهائيًا ، يحذر نافزيغر من التفكير في أن المزيد من العمل سيؤدي إلى نتيجة نحبها بشكل أفضل.

"لا تفكر في اختيار بياناتك لإعطاء الإجابة التي تريدها إذا كنت بحاجة إلى الحصول على إجابة معينة ، فلماذا تكلف نفسك عناء الذهاب إلى كل هذا العمل؟" هو قال. "هدفنا ليس إيجاد أهمية ، بل معرفة ما حدث وإلى أين نتجه من هناك."

وبغض النظر عن أي شيء ، فإن الحصول على إجابات تنبؤية لأسئلة البحث التطبيقي يتطلب قدرًا كبيرًا من العمل ، والحصول على إجابات جيدة يتطلب الصدق والمزيد من العمل ، على حد قوله.

قال: "لا توجد طرق مختصرة حقًا". "الإحصائيات لا تحل محل الكمية الكبيرة من البيانات والملاحظة الدقيقة التي تتطلبها الأبحاث الجيدة في المزرعة دائمًا."


Nafziger يعطي معنى للإحصاءات في مؤتمر AGMasters

وقال: "يمكننا أن نفكر في المحاصيل المزروعة في الحقول على أنها" تجمعات "للنباتات". "بشكل أساسي عندما نطبق نوعًا من العلاج ، نحتاج إلى معرفة ما إذا كان هذا يشكل مجموعة سكانية جديدة أم لا؟ الإحصائيات ، التي يمكن اعتبارها علمًا لوصف التباين في السكان ، يمكن أن تساعدنا في معرفة ما يحدث بالفعل."

قدم نافزيغر للمشاركين في المؤتمر دورة قصيرة في الإحصاء باستخدام بيانات التجربة الشريطية الفعلية من التجارب التي أجريت في المزرعة لإظهار كيف يؤثر التباين من قطاع إلى قطاع على النتائج ، ولاستكشاف ما يعنيه أن تكون "مهمًا".

باستخدام جدول بيانات Excel ، قام Nafziger بتحليل البيانات في التجارب لشرح المصطلحات الإحصائية وكيفية استخدامها لتفسير النتائج.

وقال "إن" الحقيقة "و [مدش] تسبب في علاج تسبب في حدوث استجابة أم لا و [مدش] موجود دائمًا ، ومن واجبنا فقط العثور عليه". "نحن لا نعمل على إجراء تجارب" لطيفة "بدلاً من ذلك ، فالبحوث التطبيقية هي عمل محاولة قول شيء ما عندما ننتهي."

نظرًا لأن التجارب في المزرعة غالبًا ما تحتوي على قدر كبير من التباين ، فقد قال إنه من المهم القيام بتعيينات علاجية عشوائية.

وقال "باستخدام مدخلات من النوع" نعم-لا "، على سبيل المثال لاستخدام مبيد فطري أم لا ، قم بتعيين العلاج بشكل عشوائي لشريط واحد من الشرائط المزدوجة". "يجب أن يتم ذلك قبل الزراعة أو بعده مباشرةً ، من أجل منع التحيز في الاحتفاظ بالبيانات أو إسقاطها."

عند تصميم التجارب البحثية في المزرعة ، قال نافزيغر لإبقائها بسيطة.

ويوصي باستخدام حجم شريط عريض بما يكفي للسماح بالحدود. كما أنه يشجع المزارعين على التوزيع العشوائي في كل تكرار ، واستخدام 4 إلى 8 أزواج من التكرار لكل موقع ، والاحتفاظ بسجلات دقيقة للمكان الذي تُزرع فيه الأشياء ، وقياس الغلات وفقًا لذلك ، والتحويل إلى الرطوبة القياسية بطريقة قياسية.

يحذر Nafziger المزارعين من تجاهل البيانات ما لم يعرفوا على وجه اليقين ما حدث مما تسبب في عدم موثوقية البيانات. قال عندما تنتهي الدراسة ، توقف واحصل على إجابتك.

يعني التأثير أو الاختلاف "المهم" أن العلاج كان من المحتمل أن يكون له تأثير ، ولكن هذا لا يعني أن العلاج مفيد أو أنه سيدفع. وقال إنه يمكن أن ننخدع أيضًا ، ونحصل على ردود "كبيرة" بسبب "حظ القرعة" عندما نخصص علاجات للشرائط. تتضاءل فرص هذا بسرعة مع استخدامنا المزيد من الحقول لإجراء مثل هذه المقارنات.

وقال "يمكن الحصول على نتائج غير مهمة من عدم وجود تأثير للعلاج أو من التباين الكبير بين الشرائح بحيث لا يمكننا فصل تأثير العلاج عن" ضوضاء الخلفية "للتغير".

بينما يوجد دائمًا خيار عدم قبول مثل هذا الاستنتاج باعتباره نهائيًا ، يحذر نافزيغر من التفكير في أن المزيد من العمل سيؤدي إلى نتيجة نحبها بشكل أفضل.

"لا تفكر في اختيار بياناتك لإعطاء الإجابة التي تريدها إذا كنت بحاجة إلى الحصول على إجابة معينة ، فلماذا تكلف نفسك عناء الذهاب إلى كل هذا العمل؟" هو قال. "هدفنا ليس إيجاد أهمية ، بل معرفة ما حدث وإلى أين نتجه من هناك."

وبغض النظر عن أي شيء ، فإن الحصول على إجابات تنبؤية لأسئلة البحث التطبيقي يتطلب قدرًا كبيرًا من العمل ، والحصول على إجابات جيدة يتطلب الصدق والمزيد من العمل ، على حد قوله.

قال: "لا توجد طرق مختصرة حقًا". "الإحصائيات لا تحل محل الكمية الكبيرة من البيانات والملاحظة الدقيقة التي تتطلبها الأبحاث الجيدة في المزرعة دائمًا."


Nafziger يعطي معنى للإحصاءات في مؤتمر AGMasters

وقال: "يمكننا أن نفكر في المحاصيل المزروعة في الحقول على أنها" تجمعات "للنباتات". "بشكل أساسي عندما نطبق نوعًا من العلاج ، نحتاج إلى معرفة ما إذا كان هذا يشكل مجموعة سكانية جديدة أم لا؟ الإحصائيات ، التي يمكن اعتبارها علمًا لوصف التباين في السكان ، يمكن أن تساعدنا في معرفة ما يحدث بالفعل."

قدم نافزيغر للمشاركين في المؤتمر دورة قصيرة في الإحصاء باستخدام بيانات التجربة الشريطية الفعلية من التجارب التي أجريت في المزرعة لإظهار كيف يؤثر التباين من قطاع إلى قطاع على النتائج ، ولاستكشاف ما يعنيه أن تكون "مهمًا".

باستخدام جدول بيانات Excel ، قام Nafziger بتحليل البيانات في التجارب لشرح المصطلحات الإحصائية وكيفية استخدامها لتفسير النتائج.

وقال "إن" الحقيقة "و [مدش] تسبب في علاج تسبب في حدوث استجابة أم لا و [مدش] موجود دائمًا ، ومن واجبنا فقط العثور عليه". "نحن لسنا في مجال إجراء تجارب" لطيفة "بدلاً من ذلك ، فالبحث التطبيقي هو عمل محاولة قول شيء ما عندما ننتهي".

نظرًا لأن التجارب في المزرعة غالبًا ما تحتوي على قدر كبير من التباين ، فقد قال إنه من المهم القيام بتعيينات علاجية عشوائية.

وقال "باستخدام مدخلات من النوع" نعم-لا "، على سبيل المثال لاستخدام مبيد فطري أم لا ، قم بتعيين العلاج بشكل عشوائي لشريط واحد من الشرائط المزدوجة". "يجب أن يتم ذلك قبل الزراعة أو بعده مباشرةً ، من أجل منع التحيز في الاحتفاظ بالبيانات أو إسقاطها."

عند تصميم التجارب البحثية في المزرعة ، قال نافزيغر لإبقائها بسيطة.

ويوصي باستخدام حجم شريط عريض بما يكفي للسماح بالحدود. كما أنه يشجع المزارعين على التوزيع العشوائي في كل تكرار ، واستخدام 4 إلى 8 أزواج من التكرار لكل موقع ، والاحتفاظ بسجلات دقيقة للمكان الذي تُزرع فيه الأشياء ، وقياس الغلات وفقًا لذلك ، والتحويل إلى الرطوبة القياسية بطريقة قياسية.

يحذر Nafziger المزارعين من تجاهل البيانات ما لم يعرفوا على وجه اليقين ما حدث مما تسبب في عدم موثوقية البيانات. قال عندما تنتهي الدراسة ، توقف واحصل على إجابتك.

يعني التأثير أو الاختلاف "المهم" أن العلاج كان من المحتمل أن يكون له تأثير ، ولكن هذا لا يعني أن العلاج مفيد أو أنه سيدفع. وقال إنه يمكن أن ننخدع أيضًا ، ونحصل على ردود "كبيرة" بسبب "حظ القرعة" عندما نخصص علاجات للشرائط. تتضاءل فرص هذا بسرعة مع استخدامنا المزيد من الحقول لإجراء مثل هذه المقارنات.

وقال "يمكن الحصول على نتائج غير مهمة من عدم وجود تأثير للعلاج أو من التباين الكبير بين الشرائح بحيث لا يمكننا فصل تأثير العلاج عن" ضوضاء الخلفية "للتغير".

بينما يوجد دائمًا خيار عدم قبول مثل هذا الاستنتاج باعتباره نهائيًا ، يحذر نافزيغر من التفكير في أن المزيد من العمل سيؤدي إلى نتيجة نحبها بشكل أفضل.

"لا تفكر في اختيار بياناتك لإعطاء الإجابة التي تريدها إذا كنت بحاجة إلى الحصول على إجابة معينة ، فلماذا تكلف نفسك عناء الذهاب إلى كل هذا العمل؟" هو قال. "هدفنا ليس إيجاد أهمية ، بل معرفة ما حدث وإلى أين نذهب من هناك."

وبغض النظر عن أي شيء ، فإن الحصول على إجابات تنبؤية لأسئلة البحث التطبيقي يتطلب قدرًا كبيرًا من العمل ، والحصول على إجابات جيدة يتطلب الصدق والمزيد من العمل ، على حد قوله.

قال: "لا توجد طرق مختصرة حقًا". "الإحصائيات لا تحل محل الكمية الكبيرة من البيانات والملاحظة الدقيقة التي تتطلبها الأبحاث الجيدة في المزرعة دائمًا."


Nafziger يعطي معنى للإحصاءات في مؤتمر AGMasters

وقال: "يمكننا أن نفكر في المحاصيل المزروعة في الحقول على أنها" تجمعات "للنباتات". "بشكل أساسي عندما نطبق نوعًا من العلاج ، نحتاج إلى معرفة ما إذا كان هذا يشكل مجموعة سكانية جديدة أم لا؟ الإحصائيات ، التي يمكن اعتبارها علمًا لوصف التباين في السكان ، يمكن أن تساعدنا في معرفة ما يحدث بالفعل."

قدم نافزيغر للمشاركين في المؤتمر دورة قصيرة في الإحصاء باستخدام بيانات التجربة الشريطية الفعلية من التجارب التي أجريت في المزرعة لإظهار كيف يؤثر التباين من قطاع إلى قطاع على النتائج ، ولاستكشاف ما يعنيه أن تكون "مهمًا".

باستخدام جدول بيانات Excel ، قام Nafziger بتحليل البيانات في التجارب لشرح المصطلحات الإحصائية وكيفية استخدامها لتفسير النتائج.

وقال "إن" الحقيقة "و [مدش] تسبب في علاج تسبب في حدوث استجابة أم لا و [مدش] موجود دائمًا ، ومن واجبنا فقط العثور عليه". "نحن لسنا في مجال إجراء تجارب" لطيفة "بدلاً من ذلك ، فالبحث التطبيقي هو عمل محاولة قول شيء ما عندما ننتهي".

نظرًا لأن التجارب في المزرعة غالبًا ما تحتوي على قدر كبير من التباين ، فقد قال إنه من المهم القيام بتعيينات علاجية عشوائية.

وقال "باستخدام مدخلات من النوع" نعم-لا "، على سبيل المثال لاستخدام مبيد فطري أم لا ، قم بتعيين العلاج بشكل عشوائي لشريط واحد من الشرائط المزدوجة". "يجب أن يتم ذلك قبل الزراعة أو بعده مباشرة ، من أجل منع التحيز في الاحتفاظ بالبيانات أو إسقاطها."

عند تصميم التجارب البحثية في المزرعة ، قال نافزيغر لإبقائها بسيطة.

ويوصي باستخدام حجم شريط عريض بما يكفي للسماح بالحدود. كما أنه يشجع المزارعين على التوزيع العشوائي في كل تكرار ، واستخدام 4 إلى 8 أزواج من التكرار لكل موقع ، والاحتفاظ بسجلات دقيقة للمكان الذي تُزرع فيه الأشياء ، وقياس الغلات وفقًا لذلك ، والتحويل إلى الرطوبة القياسية بطريقة قياسية.

يحذر Nafziger المزارعين من تجاهل البيانات ما لم يعرفوا على وجه اليقين ما حدث مما تسبب في عدم موثوقية البيانات. قال عندما تنتهي الدراسة ، توقف واحصل على إجابتك.

يعني التأثير أو الاختلاف "المهم" أن العلاج كان من المحتمل أن يكون له تأثير ، ولكن هذا لا يعني أن العلاج مفيد أو أنه سيدفع. وقال إنه يمكن أن ننخدع أيضًا ، ونحصل على ردود "كبيرة" بسبب "حظ القرعة" عندما نخصص علاجات للشرائط. تتضاءل فرص هذا بسرعة مع استخدامنا المزيد من الحقول لإجراء مثل هذه المقارنات.

وقال "يمكن الحصول على نتائج غير مهمة من عدم وجود تأثير للعلاج أو من التباين الكبير بين الشرائح بحيث لا يمكننا فصل تأثير العلاج عن" ضوضاء الخلفية "للتغير".

بينما يوجد دائمًا خيار عدم قبول مثل هذا الاستنتاج باعتباره نهائيًا ، يحذر نافزيغر من التفكير في أن المزيد من العمل سيؤدي إلى نتيجة نحبها بشكل أفضل.

"لا تفكر في اختيار بياناتك لإعطاء الإجابة التي تريدها إذا كنت بحاجة إلى الحصول على إجابة معينة ، فلماذا تكلف نفسك عناء الذهاب إلى كل هذا العمل؟" هو قال. "هدفنا ليس إيجاد أهمية ، بل معرفة ما حدث وإلى أين نذهب من هناك."

وبغض النظر عن أي شيء ، فإن الحصول على إجابات تنبؤية لأسئلة البحث التطبيقي يتطلب قدرًا كبيرًا من العمل ، والحصول على إجابات جيدة يتطلب الصدق والمزيد من العمل ، على حد قوله.

قال: "لا توجد طرق مختصرة حقًا". "الإحصائيات لا تحل محل الكمية الكبيرة من البيانات والملاحظة الدقيقة التي تتطلبها الأبحاث الجيدة في المزرعة دائمًا."


Nafziger يعطي معنى للإحصاءات في مؤتمر AGMasters

وقال: "يمكننا أن نفكر في المحاصيل المزروعة في الحقول على أنها" تجمعات "للنباتات". "بشكل أساسي عندما نطبق نوعًا من العلاج ، نحتاج إلى معرفة ما إذا كان هذا يشكل مجموعة سكانية جديدة أم لا؟ الإحصائيات ، التي يمكن اعتبارها علمًا لوصف التباين في السكان ، يمكن أن تساعدنا في معرفة ما يحدث بالفعل."

قدم نافزيغر للمشاركين في المؤتمر دورة قصيرة في الإحصاء باستخدام بيانات التجربة الشريطية الفعلية من التجارب التي أجريت في المزرعة لإظهار كيف يؤثر التباين من قطاع إلى قطاع على النتائج ، ولاستكشاف ما يعنيه أن تكون "مهمًا".

باستخدام جدول بيانات Excel ، قام Nafziger بتحليل البيانات في التجارب لشرح المصطلحات الإحصائية وكيفية استخدامها لتفسير النتائج.

وقال "إن" الحقيقة "و [مدش] تسبب في علاج تسبب في حدوث استجابة أم لا و [مدش] موجود دائمًا ، ومن واجبنا فقط العثور عليه". "نحن لا نعمل على إجراء تجارب" لطيفة "بدلاً من ذلك ، فالبحوث التطبيقية هي عمل محاولة قول شيء ما عندما ننتهي."

نظرًا لأن التجارب في المزرعة غالبًا ما تحتوي على قدر كبير من التباين ، فقد قال إنه من المهم القيام بتعيينات علاجية عشوائية.

وقال "باستخدام مدخلات من النوع" نعم-لا "، على سبيل المثال لاستخدام مبيد فطري أم لا ، قم بتعيين العلاج بشكل عشوائي لشريط واحد من الشرائط المزدوجة". "يجب أن يتم ذلك قبل الزراعة أو بعده مباشرة ، من أجل منع التحيز في الاحتفاظ بالبيانات أو إسقاطها."

عند تصميم التجارب البحثية في المزرعة ، قال نافزيغر لإبقائها بسيطة.

ويوصي باستخدام حجم شريط عريض بما يكفي للسماح بالحدود. كما أنه يشجع المزارعين على التوزيع العشوائي في كل تكرار ، واستخدام 4 إلى 8 أزواج من التكرار لكل موقع ، والاحتفاظ بسجلات دقيقة للمكان الذي تُزرع فيه الأشياء ، وقياس الغلات وفقًا لذلك ، والتحويل إلى الرطوبة القياسية بطريقة قياسية.

يحذر Nafziger المزارعين من تجاهل البيانات ما لم يعرفوا على وجه اليقين ما حدث مما تسبب في عدم موثوقية البيانات. قال عندما تنتهي الدراسة ، توقف واحصل على إجابتك.

يعني التأثير أو الاختلاف "المهم" أن العلاج كان من المحتمل أن يكون له تأثير ، ولكن هذا لا يعني أن العلاج مفيد أو أنه سيدفع. وقال إنه يمكن أن ننخدع أيضًا ، ونحصل على ردود "كبيرة" بسبب "حظ القرعة" عندما نخصص علاجات للشرائط. تتضاءل فرص هذا بسرعة مع استخدامنا المزيد من الحقول لإجراء مثل هذه المقارنات.

وقال "يمكن الحصول على نتائج غير مهمة من عدم وجود تأثير للعلاج أو من التباين الكبير بين الشرائح بحيث لا يمكننا فصل تأثير العلاج عن" ضوضاء الخلفية "للتغير".

بينما يوجد دائمًا خيار عدم قبول مثل هذا الاستنتاج باعتباره نهائيًا ، يحذر نافزيغر من التفكير في أن المزيد من العمل سيؤدي إلى نتيجة نحبها بشكل أفضل.

"لا تفكر في اختيار بياناتك لإعطاء الإجابة التي تريدها إذا كنت بحاجة إلى الحصول على إجابة معينة ، فلماذا تكلف نفسك عناء الذهاب إلى كل هذا العمل؟" هو قال. "هدفنا ليس إيجاد أهمية ، بل معرفة ما حدث وإلى أين نتجه من هناك."

وبغض النظر عن أي شيء ، فإن الحصول على إجابات تنبؤية لأسئلة البحث التطبيقي يتطلب قدرًا كبيرًا من العمل ، والحصول على إجابات جيدة يتطلب الصدق والمزيد من العمل ، على حد قوله.

قال: "لا توجد طرق مختصرة حقًا". "الإحصائيات لا تحل محل الكمية الكبيرة من البيانات والملاحظة الدقيقة التي تتطلبها الأبحاث الجيدة في المزرعة دائمًا."


Nafziger يعطي معنى للإحصاءات في مؤتمر AGMasters

وقال: "يمكننا أن نفكر في المحاصيل المزروعة في الحقول على أنها" تجمعات "للنباتات". "بشكل أساسي عندما نطبق نوعًا من العلاج ، نحتاج إلى معرفة ما إذا كان هذا يشكل مجموعة سكانية جديدة أم لا؟ الإحصائيات ، التي يمكن اعتبارها علمًا لوصف التباين في السكان ، يمكن أن تساعدنا في معرفة ما يحدث بالفعل."

قدم نافزيغر للمشاركين في المؤتمر دورة قصيرة في الإحصاء باستخدام بيانات التجربة الشريطية الفعلية من التجارب التي أجريت في المزرعة لإظهار كيف يؤثر التباين من قطاع إلى قطاع على النتائج ، ولاستكشاف ما يعنيه أن تكون "مهمًا".

باستخدام جدول بيانات Excel ، قام Nafziger بتحليل البيانات في التجارب لشرح المصطلحات الإحصائية وكيفية استخدامها لتفسير النتائج.

وقال "إن" الحقيقة "و [مدش] تسبب في علاج تسبب في حدوث استجابة أم لا و [مدش] موجود دائمًا ، ومن واجبنا فقط العثور عليه". "نحن لا نعمل على إجراء تجارب" لطيفة "بدلاً من ذلك ، فالبحوث التطبيقية هي عمل محاولة قول شيء ما عندما ننتهي."

نظرًا لأن التجارب في المزرعة غالبًا ما تحتوي على قدر كبير من التباين ، فقد قال إنه من المهم القيام بتعيينات علاجية عشوائية.

وقال "باستخدام مدخلات من النوع" نعم-لا "، على سبيل المثال لاستخدام مبيد فطري أم لا ، قم بتعيين العلاج بشكل عشوائي لشريط واحد من الشرائط المزدوجة". "يجب أن يتم ذلك قبل الزراعة أو بعده مباشرة ، من أجل منع التحيز في الاحتفاظ بالبيانات أو إسقاطها."

عند تصميم التجارب البحثية في المزرعة ، قال نافزيغر لإبقائها بسيطة.

ويوصي باستخدام حجم شريط عريض بما يكفي للسماح بالحدود. كما أنه يشجع المزارعين على التوزيع العشوائي في كل تكرار ، واستخدام 4 إلى 8 أزواج من التكرار لكل موقع ، والاحتفاظ بسجلات دقيقة للمكان الذي تُزرع فيه الأشياء ، وقياس الغلات وفقًا لذلك ، والتحويل إلى الرطوبة القياسية بطريقة قياسية.

يحذر Nafziger المزارعين من تجاهل البيانات ما لم يعرفوا على وجه اليقين ما حدث مما تسبب في عدم موثوقية البيانات. قال عندما تنتهي الدراسة ، توقف واحصل على إجابتك.

يعني التأثير أو الاختلاف "المهم" أن العلاج كان من المحتمل أن يكون له تأثير ، ولكن هذا لا يعني أن العلاج مفيد أو أنه سيدفع. وقال إنه يمكن أن ننخدع أيضًا ، ونحصل على ردود "كبيرة" بسبب "حظ القرعة" عندما نخصص علاجات للشرائط. تتضاءل فرص هذا بسرعة مع استخدامنا المزيد من الحقول لإجراء مثل هذه المقارنات.

وقال: "يمكن الحصول على نتائج غير مهمة من عدم وجود تأثير للعلاج أو من التباين الكبير بين الشرائح بحيث لا يمكننا فصل تأثير العلاج عن" ضوضاء الخلفية "للتغير".

بينما يوجد دائمًا خيار عدم قبول مثل هذا الاستنتاج باعتباره نهائيًا ، يحذر نافزيغر من التفكير في أن المزيد من العمل سيؤدي إلى نتيجة نحبها بشكل أفضل.

"لا تفكر في اختيار بياناتك لإعطاء الإجابة التي تريدها إذا كنت بحاجة إلى الحصول على إجابة معينة ، فلماذا تكلف نفسك عناء الذهاب إلى كل هذا العمل؟" هو قال. "هدفنا ليس إيجاد أهمية ، بل معرفة ما حدث وإلى أين نتجه من هناك."

وبغض النظر عن أي شيء ، فإن الحصول على إجابات تنبؤية لأسئلة البحث التطبيقي يتطلب قدرًا كبيرًا من العمل ، والحصول على إجابات جيدة يتطلب الصدق والمزيد من العمل ، على حد قوله.

قال: "لا توجد طرق مختصرة حقًا". "الإحصائيات لا تحل محل الكمية الكبيرة من البيانات والملاحظة الدقيقة التي تتطلبها الأبحاث الجيدة في المزرعة دائمًا."


Nafziger يعطي معنى للإحصاءات في مؤتمر AGMasters

وقال: "يمكننا أن نفكر في المحاصيل المزروعة في الحقول على أنها" تجمعات "للنباتات". "بشكل أساسي عندما نطبق نوعًا من العلاج ، نحتاج إلى معرفة ما إذا كان هذا يشكل مجموعة سكانية جديدة أم لا؟ الإحصائيات ، التي يمكن اعتبارها علمًا لوصف التباين في السكان ، يمكن أن تساعدنا في معرفة ما يحدث بالفعل."

قدم نافزيغر للمشاركين في المؤتمر دورة قصيرة في الإحصاء باستخدام بيانات التجربة الشريطية الفعلية من التجارب التي أجريت في المزرعة لإظهار كيف يؤثر التباين من قطاع إلى قطاع على النتائج ، ولاستكشاف ما يعنيه أن تكون "مهمًا".

باستخدام جدول بيانات Excel ، قام Nafziger بتحليل البيانات في التجارب لشرح المصطلحات الإحصائية وكيفية استخدامها لتفسير النتائج.

وقال "إن" الحقيقة "و [مدش] تسبب في علاج تسبب في حدوث استجابة أم لا و [مدش] موجود دائمًا ، ومن واجبنا فقط العثور عليه". "نحن لا نعمل على إجراء تجارب" لطيفة "بدلاً من ذلك ، فالبحث التطبيقي هو عمل محاولة قول شيء ما عندما ننتهي".

نظرًا لأن التجارب في المزرعة غالبًا ما تحتوي على قدر كبير من التباين ، فقد قال إنه من المهم القيام بتعيينات علاجية عشوائية.

وقال "مع مدخلات من النوع" نعم-لا "، على سبيل المثال لاستخدام مبيد فطري أم لا ، قم بتعيين العلاج بشكل عشوائي لشريط واحد من الشرائط المزدوجة". "يجب أن يتم ذلك قبل الزراعة أو بعده مباشرة ، من أجل منع التحيز في الاحتفاظ بالبيانات أو إسقاطها."

عند تصميم التجارب البحثية في المزرعة ، قال نافزيغر لإبقائها بسيطة.

ويوصي باستخدام حجم شريط عريض بما يكفي للسماح بالحدود. كما أنه يشجع المزارعين على التوزيع العشوائي في كل تكرار ، واستخدام 4 إلى 8 أزواج من التكرار لكل موقع ، والاحتفاظ بسجلات دقيقة للمكان الذي تُزرع فيه الأشياء ، وقياس الغلات وفقًا لذلك ، والتحويل إلى الرطوبة القياسية بطريقة قياسية.

يحذر Nafziger المزارعين من تجاهل البيانات ما لم يعرفوا على وجه اليقين ما حدث مما تسبب في عدم موثوقية البيانات. قال عندما تنتهي الدراسة ، توقف واحصل على إجابتك.

يعني التأثير أو الاختلاف "المهم" أن العلاج كان من المحتمل أن يكون له تأثير ، ولكن هذا لا يعني أن العلاج مفيد أو أنه سيدفع. وقال إنه يمكن أن ننخدع أيضًا ، ونحصل على ردود "كبيرة" بسبب "حظ القرعة" عندما نخصص علاجات للشرائط. تتضاءل فرص هذا بسرعة مع استخدامنا المزيد من الحقول لإجراء مثل هذه المقارنات.

وقال: "يمكن الحصول على نتائج غير مهمة من عدم وجود تأثير للعلاج أو من التباين الكبير بين الشرائح بحيث لا يمكننا فصل تأثير العلاج عن" ضوضاء الخلفية "للتغير".

بينما يوجد دائمًا خيار عدم قبول مثل هذا الاستنتاج باعتباره نهائيًا ، يحذر نافزيغر من التفكير في أن المزيد من العمل سيؤدي إلى نتيجة نحبها بشكل أفضل.

"لا تفكر في اختيار بياناتك لإعطاء الإجابة التي تريدها إذا كنت بحاجة إلى الحصول على إجابة معينة ، فلماذا تكلف نفسك عناء الذهاب إلى كل هذا العمل؟" هو قال. "Our point is not to find significance, but rather to figure out what happened and where we go from there."

No matter what, getting predictive answers to applied research questions takes a great deal of work, and getting good answers takes honesty and even more work, he said.

"There really aren't any shortcuts," he said. "Statistics do not substitute for the large amount of data and keen observation that good on-farm research always requires."


Nafziger makes sense of statistics at AGMasters Conference

"We can think of crops grown in fields as a 'population' of plants," he said. "Basically when we apply some sort of treatment, we need to know if this forms a new population or not? Statistics, which might be considered the science of describing variability in a population, can help us figure out what is really happening."

Nafziger provided conference participants with a short course in statistics using actual strip-trial data from on-farm trials to show how strip-to-strip variability affects results, and to explore what it means to be "significant."

Using an Excel spreadsheet, Nafziger analyzed data in trials to explain statistical terms and how to use them to interpret results.

"The 'truth' &mdash did a treatment cause a response or not &mdash always exists, it's just our job to find it," he said. "We aren't in the business of doing 'nice' trials rather, applied research is the business of trying to say something when we are done."

Because on-farm trials often have a great amount of variability, he said it's important to do random treatment assignments.

"With 'yes-no' type inputs, for example to use a fungicide or not, assign treatment randomly to one strip of paired strips," he said. "This should be done before planting or right after, in order to prevent bias in keeping or dropping data."

When designing on-farm research trials, Nafziger said to keep it simple.

He recommends using a strip size wide enough to allow borders. He also encourages growers to randomize within each repetition, use 4 to 8 pairs of repetitions per location, keep accurate records of where things are planted, measure yields accordingly, and convert to standard moisture in a standard way.

Nafziger warns growers not to discard data unless they know for sure what happened to cause the data to be untrusted. When the study's completed, stop and get your answer, he said.

A "significant" effect or difference means that the treatment was likely to have caused an effect, but it does not mean that the treatment is useful or that it will pay. He said we can also be fooled, and get "significant" responses due to the "luck of the draw" when we assign treatments to strips. The chances of this diminish quickly as we use more fields to do such comparisons.

"Non-significant results can be obtained from no effect of the treatment or from so much variability among strips that we can't separate a treatment effect from the 'background noise' of variability," he said.

While there is always the choice to not accept such a conclusion as final, Nafziger cautions against thinking that more work will produce an outcome that we like better.

"Don't cherry pick your data to give the answer you want if you need to get a certain answer, why bother to go to all this work?" he said. "Our point is not to find significance, but rather to figure out what happened and where we go from there."

No matter what, getting predictive answers to applied research questions takes a great deal of work, and getting good answers takes honesty and even more work, he said.

"There really aren't any shortcuts," he said. "Statistics do not substitute for the large amount of data and keen observation that good on-farm research always requires."


شاهد الفيديو: عشرة اضرار عن القهوة من الواجب معرفتها (كانون الثاني 2022).