Automated Organization ProfileFederal University of Piauí
Federal University of Piauí
Current S-Index
Sum of Dataset Indices for all datasets
Average Dataset Index per Dataset
Average Dataset Index per dataset
Total Datasets
Total datasets in this organization
Average FAIR Score
Average FAIR Score per dataset
Total Citations
Total citations to the organization's datasets
Total Mentions
Total mentions of the organization's datasets
S-Index Interpretation
The S-Index (Sharing Index) is a comprehensive metric that represents the cumulative impact of all your datasets. It is calculated as the sum of Dataset Index scores across all your claimed datasets.
What it means:
- A higher S-index indicates greater overall impact of your datasets relative to typical datasets in their fields of research
- The S-Index grows as you add more datasets or as existing datasets gain more citations and mentions
- It provides a single number to track your research data impact over time
Current S-Index: 27.5 (sum of 19 datasets Dataset Index scores)
More information here.
S-Index Over Time
Cumulative Citations Over Time
Cumulative Mentions Over Time
Datasets
Este conjunto de dados foi gerado como parte do estudo "Code on Demand: A Comparative Analysis of the Efficiency, Understandability, and Self-Correction Capability of Copilot, ChatGPT, and Gemini - Data resulting from the study". O estudo focou na avaliação do desempenho das ferramentas Copilot, ChatGPT e Gemini, utilizando problemas do LeetCode em quatro linguagens de programação: Python, Java, JavaScript e C.O conjunto de dados atualizado está organizado nas seguintes pastas:c_programs: Esta pasta contém os scripts Python utilizados para calcular a complexidade ciclomática e a complexidade cognitiva do código C gerado pelas ferramentas.calculate_cyclomatic_complexity.py: Script para calcular a complexidade ciclomática.calculate_cognitive_complexity.py: Script para calcular a complexidade cognitiva.codes_suggested_by_the_tools: Esta pasta contém as sugestões de código geradas pelo Copilot, ChatGPT e Gemini para cada problema do LeetCode.Subpastas: ChatGPT, Copilot, Gemini, cada uma contendo as sugestões de código correspondentes nos formatos das linguagens.complexity_of_codes: Esta pasta contém dois arquivos CSV que fornecem os resultados da análise de complexidade para o código gerado.AI analysis results table - Cognitive.csv: Resultados da complexidade cognitiva do código gerado.AI analysis results table - Cyclomatic.csv: Resultados da complexidade ciclomática do código gerado.Este conjunto de dados atualizado oferece insights valiosos sobre o desempenho das ferramentas de geração de código com IA e pode ser utilizado para análises futuras ou estudos de replicação.
Authors
- Batista, Samuel Silvestre Silva
Este conjunto de dados foi gerado como parte do estudo "Code on Demand: A Comparative Analysis of the Efficiency, Understandability, and Self-Correction Capability of Copilot, ChatGPT, and Gemini - Data resulting from the study". O estudo focou na avaliação do desempenho das ferramentas Copilot, ChatGPT e Gemini, utilizando problemas do LeetCode em quatro linguagens de programação: Python, Java, JavaScript e C.O conjunto de dados atualizado está organizado nas seguintes pastas:c_programs: Esta pasta contém os scripts Python utilizados para calcular a complexidade ciclomática e a complexidade cognitiva do código C gerado pelas ferramentas.calculate_cyclomatic_complexity.py: Script para calcular a complexidade ciclomática.calculate_cognitive_complexity.py: Script para calcular a complexidade cognitiva.codes_suggested_by_the_tools: Esta pasta contém as sugestões de código geradas pelo Copilot, ChatGPT e Gemini para cada problema do LeetCode.Subpastas: ChatGPT, Copilot, Gemini, cada uma contendo as sugestões de código correspondentes nos formatos das linguagens.complexity_of_codes: Esta pasta contém dois arquivos CSV que fornecem os resultados da análise de complexidade para o código gerado.AI analysis results table - Cognitive.csv: Resultados da complexidade cognitiva do código gerado.AI analysis results table - Cyclomatic.csv: Resultados da complexidade ciclomática do código gerado.Este conjunto de dados atualizado oferece insights valiosos sobre o desempenho das ferramentas de geração de código com IA e pode ser utilizado para análises futuras ou estudos de replicação.
Authors
- Batista, Samuel Silvestre Silva
No description available
Authors
- Batista, Samuel Silvestre Silva
Additional file 1: Table S1. Characteristics of the reads that remained after the removal of low-quality data after Trimmomatic analysis.
Authors
- Lima, Davi Alvarenga ;
- Gonçalves, Leilane Oliveira ;
- Reis-Cunha, João Luís ;
- Guimarães, Paul Anderson Souza ;
- Ruiz, Jeronimo Conceição ;
- Liarte, Daniel Barbosa ;
- Murta, Silvane Maria Fonseca
Additional file 1: Table S1. Characteristics of the reads that remained after the removal of low-quality data after Trimmomatic analysis.
Authors
- Lima, Davi Alvarenga ;
- Gonçalves, Leilane Oliveira ;
- Reis-Cunha, João Luís ;
- Guimarães, Paul Anderson Souza ;
- Ruiz, Jeronimo Conceição ;
- Liarte, Daniel Barbosa ;
- Murta, Silvane Maria Fonseca
Additional file 3: Table S2. Enriched transcripts for biological process category with Gene Ontology-assigned terms.
Authors
- Lima, Davi Alvarenga ;
- Gonçalves, Leilane Oliveira ;
- Reis-Cunha, João Luís ;
- Guimarães, Paul Anderson Souza ;
- Ruiz, Jeronimo Conceição ;
- Liarte, Daniel Barbosa ;
- Murta, Silvane Maria Fonseca
Additional file 3: Table S2. Enriched transcripts for biological process category with Gene Ontology-assigned terms.
Authors
- Lima, Davi Alvarenga ;
- Gonçalves, Leilane Oliveira ;
- Reis-Cunha, João Luís ;
- Guimarães, Paul Anderson Souza ;
- Ruiz, Jeronimo Conceição ;
- Liarte, Daniel Barbosa ;
- Murta, Silvane Maria Fonseca
ABSTRACT Sugarcane seedling quality is strongly influenced by the substrate used. Currently, alternative substrate sources from the sugarcane industry itself have been used; however, there is no specific substrate to produce pre-sprouted seedlings. This study aimed to evaluate the quality of pre-sprouted sugarcane using substrates with different proportions of carnauba bagana (0, 20, 40, 60, 80 and 100 %) plus soil. The experimental design was completely randomized, with six treatments and five replicates. Pre-sprouted seedlings cultivated using substrate composed by 80 % of carnauba bagana showed the best response for number of leaves, diameter, shoot length, shoot, root and total dry mass, and Dickson Quality Index, owing to the improvement in the substrate physical and chemical characteristics.
Authors
- Leite, Marcos Renan Lima ;
- Costa, Romário Martins ;
- Matos, Sâmia dos Santos ;
- Andrade, Hosana Aguiar Freitas de ;
- Silva-Matos, Raissa Rachel Salustriano da
ABSTRACT Sugarcane seedling quality is strongly influenced by the substrate used. Currently, alternative substrate sources from the sugarcane industry itself have been used; however, there is no specific substrate to produce pre-sprouted seedlings. This study aimed to evaluate the quality of pre-sprouted sugarcane using substrates with different proportions of carnauba bagana (0, 20, 40, 60, 80 and 100 %) plus soil. The experimental design was completely randomized, with six treatments and five replicates. Pre-sprouted seedlings cultivated using substrate composed by 80 % of carnauba bagana showed the best response for number of leaves, diameter, shoot length, shoot, root and total dry mass, and Dickson Quality Index, owing to the improvement in the substrate physical and chemical characteristics.
Authors
- Leite, Marcos Renan Lima ;
- Costa, Romário Martins ;
- Matos, Sâmia dos Santos ;
- Andrade, Hosana Aguiar Freitas de ;
- Silva-Matos, Raissa Rachel Salustriano da
Additional file 5: Table S4. Transcripts that were not enriched for biological process category without Gene Ontology-assigned terms.
Authors
- Lima, Davi Alvarenga ;
- Gonçalves, Leilane Oliveira ;
- Reis-Cunha, João Luís ;
- Guimarães, Paul Anderson Souza ;
- Ruiz, Jeronimo Conceição ;
- Liarte, Daniel Barbosa ;
- Murta, Silvane Maria Fonseca