FKI evaluation – Bosnia & Herzegovina, 2026 preliminary
Full transparency: here you can see how many points each expert model gave each sub-indicator, with what own estimate range, and what the final value is. The calculation follows version 5.2 of the measurement rules.
The other countries’ evaluations are made with the same procedure as the Hungarian one, but the experts also estimate the machine-calculated terms (E1, E1a, T1, T2). The values are preliminary.
Other countriesThe reasons, the footnote and FD Finder Expert’s written assessment are in Hungarian.
Result
With good practice, the FKI would be about 1.6 points lower.
The experts
Three expert models, from three different developers, do the scoring independently of each other, working from the verified evidence list and FD Finder’s professional knowledge base. Each gives an exact value and its own estimate range. The scores count with equal weight.
| Model | Version | Note |
|---|---|---|
| Anthropic Claude | Opus 5.5 | |
| Google Gemini | Gemini 4 Argon | |
| OpenAI ChatGPT | GPT-6 Astra, ChatGPT Work |
Every score in one table
The experts’ scores, with their own estimate range in brackets. The final value is the central value of the scores (the average of the median and the mean); only a reasoned decision can depart from it, between the lowest and the highest score.
| Sub-indicator | Anthropic Claude | Google Gemini | OpenAI ChatGPT | Final |
|---|---|---|---|---|
| Spread | ||||
| E1 Extent of infection | 0 | 0 | 0 | 0 |
| E1a Confirmed exposure | 0 | 0 | 0 | 0 |
| I Infection density | 0 | 0 | 0 | 0 |
| T9 Introduction pressure | 72(62–84) | 78(68–88) | 66(43–84) | 72 |
| T1 Leafhopper distribution | 85(60–95) | 92(80–98) | 88(62–98) | 88.2 |
| T2 Leafhopper density | 45(22–72) | 55(35–75) | 42(13–76) | 46.2 |
| T3 Lack of control in commercial vineyards | 78(60–88) | 76(65–88) | 66(43–85) | 74.7 |
| T5a Lack of control in abandoned refuges | 88(70–96) | 90(78–98) | 90(66–99) | 89.7 |
| T5b Lack of control in home-garden vines | 85(68–95) | 85(72–95) | 80(55–96) | 84.2 |
| T4 Shortfall in control quality | 55(40–70) | 54(42–66) | 62(39–82) | 56 |
| T7 Lack of awareness about control | 68(52–80) | 66(52–78) | 68(45–86) | 67.7 |
| T10 Lack of source removal | 0(0–5) | 0(0–5) | 0 | 0 |
| T11 Lack of economic capacity for control | 46(32–62) | 54(40–68) | 53(31–76) | 52 |
| T6 Propagating-material pathway | 65(52–78) | 62(50–75) | 57(35–78) | 61.7 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 92(82–98) | 92(84–98) | 87(54–98) | 91.2 |
| G5a Unsurveyed share, home gardens | 97(88–100) | 98(90–100) | 94(74–99) | 96.7 |
| G5b Unsurveyed share, abandoned vineyards | 98(90–100) | 98(90–100) | 94(72–99) | 97.3 |
| G2 Survey unreliability | 50(35–65) | 42(30–55) | 39(20–64) | 42.8 |
| G4 Weakness of automated pre-screening | 97(90–100) | 100(95–100) | 98(84–100) | 98.2 |
| G3 Lack of lab confirmation | 30(10–55) | 25(12–42) | 40(12–73) | 30.8 |
| G6 Difficulty of notification | 58(45–70) | 58(45–70) | 56(38–75) | 57.7 |
| G8 Disincentives to notify | 45(28–62) | 48(35–65) | 45(20–78) | 45.5 |
| G11 Lack of economic interest in detection | 48(32–65) | 52(38–65) | 48(26–73) | 48.7 |
| Vine loss | ||||
| V1 Lack of a cure | 80(76–88) | 95(90–98) | 75(75–95) | 81.7 |
| V2 Lack of resistant varieties | 100(97–100) | 100(99–100) | 100 | 100 |
| V3 Lack of recovery | – | – | – | 100 |
| V4 General plant-health condition | – | – | – | 50 |
| V5 Lack of resources for community treatment and research | 65(52–78) | 62(50–75) | 66(44–85) | 64.7 |
| V6 Lack of a market for development | 62(48–76) | 76(65–86) | 62(39–82) | 64.3 |
| Epidemic burden | ||||
| J Epidemic burden | 0 | 0 | 0 | 0 |
FD Finder Expert’s summary
Bosznia-Hercegovina 18%-os értéke (sáv: 17–32) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt is szakértők becsülték: Claude, Gemini és ChatGPT. Igazolt FD nincs (BA-001, BA-015), ezért az E1, az E1a és a J nulla, és a 18% (terjedés, T 9,1, ismeretlen gócok, G 6,2) a behurcolási és terjedési nyomást mutatja, nem járványképet. A nulla nem mentesség, mert hatósági FD-program csak a Republika Srpskáról ismert (BA-001, BA-022), a szőlő mintegy 80%-át adó szövetségi részről Claude és Gemini szerint nincs adat, így a G1 91,2 pont. A nyomást a széles körben fertőzött Szerbia (BA-013) és a 14 megyében érintett Horvátország (BA-012) adja, a T9 72,0, a kabóca pedig jelen van a déli részen (BA-015) és Žepčében is, ahol 2022-ben 4 szőlőben 579 imágót fogtak, tünetek nélkül (BA-002), ezért a T1 88,2. Az országhoz kötött tagok közül a laborigazolás hiányánál (G3) volt a legnagyobb eltérés: Gemini 25, Claude 30, ChatGPT 40 pontot adott, mert a felhatalmazott labor (BA-025) mellett ChatGPT nagyobb súlyt adott az ismeretlen átfutásnak és a mintázatlan gyanúknak. A legnagyobb bizonytalanság a szövetségi rész, ezért a pontosabb értékhez ottani felmérés, a Fito-GIS-ben rögzített eredmények (BA-022) nyilvánossága és friss csapdaadat kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 0 · central value: 0 (median: 0 · mean: 0) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 0 | not given | A | Szőlőben nincs igazolt FD; a szövetségi országrészről felügyeleti adat hiányzik.Knowledge base: orszagcsomag |
| Google Gemini | 0 | not given | A | Bosznia-Hercegovinában szőlőben nincs igazolt FD, ezért a szabály szerint E1 = 0[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 0 | not given | B | Nincs igazolt bosznia-hercegovinai FD-előfordulás, ezért a feladat szabálya szerint nulla. |
E1a — Confirmed exposure
MethodologyFinal value: 0 · central value: 0 (median: 0 · mean: 0) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 0 | not given | A | Nincs igazolt pont. |
| Google Gemini | 0 | not given | A | Nincs igazolt FD az országban, ezért E1a = 0[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 0 | not given | B | Igazolt hazai FD-pont hiányában a meghatározott kitettség nulla. |
I — Infection density
MethodologyFinal value: 0 · central value: 0 (median: 0 · mean: 0) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 00% | not given | A | Nincs igazolt FD, ez adat. |
| Google Gemini | 00% | not given | A | Nincs igazolt FD az országban, ezért I = 0[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 00% | not given | B | Igazolt hazai FD hiányában a feladat szerinti fertőzéssűrűség nulla. |
T9 — Introduction pressure
MethodologyFinal value: 72 · central value: 72 (median: 72 · mean: 72) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (62–84) | B | Horvátország és Szerbia kiterjedt, a horvát zónák a Száva közelében; a fő szőlő Hercegovinában távolabb, FD-s országokból növekvő oltványimport.Knowledge base: orszagcsomag |
| Google Gemini | 78 | (68–88) | A | Horvátországban (Száva mentén ~10-15 km-re) és Szerbiában kiterjedt határ menti fertőzés van, délen Dalmáciában a vektor közvetlenül a hercegovinai határnál (Vrgorac) jár, az oltványimport pedig nő[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 66 | (43–84) | C · data gap | Horvátország és Szerbia igazolt fertőzése erős nyomást jelent, de a teljes boszniai határsáv 50 km-es térképi megfeleltetése hiányzik. |
T1 — Leafhopper distribution
MethodologyFinal value: 88.2 · central value: 88.2 (median: 88 · mean: 88.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 85 | (60–95) | B · data gap | A termés több mint 95 %-át adó Hercegovinában 2014–2015-ben mindenütt, Žepčében 2022-ben; az utolsó két szezonról nincs adat.Knowledge base: orszagcsomag |
| Google Gemini | 92 | (80–98) | A | A kabóca a szőlőtermés >95%-át adó Hercegovinában (Trebinje, Mostar, Čitluk, Ljubuški) és Közép-Boszniában (Žepče) is elterjedt[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 88 | (62–98) | C · data gap | A fő szőlőtérségek történeti vektorjelenléte kiterjedt, de a 2025–2026-os területtel súlyozott észlelési arány nem ismert. |
T2 — Leafhopper density
MethodologyFinal value: 46.2 · central value: 46.2 (median: 45 · mean: 47.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (22–72) | C · data gap | Friss adat nincs; 2022: 579 imágó 4 szőlőben, kezelés előtti, kezeletlen vagy kezelés utáni jelleg nem válaszható szét, csapdaszám ismeretlen.Knowledge base: orszagcsomag |
| Google Gemini | 55 | (35–75) | B · data gap | 2026-os fogási adat nincs; a Žepče községi felmérésben 4 ültetvényben (2,4 ha) 579 imágót fogtak sárga lapokkal (kezelési státusz nem közölt)[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 42 | (13–76) | C · data gap | Kezelés előtti lárvaadat nincs, a 2022-es fogás kezelési státusza ismeretlen, kezelés utáni adatot nem használtam. |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 74.7 · central value: 74.7 (median: 76 · mean: 73.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (60–88) | C · data gap | Kötelezés lelet nélkül nincs, szakmai ajánlás van; a molyirtás mellékesen gyérít, arányszám nincs.Knowledge base: orszagcsomag |
| Google Gemini | 76 | (65–88) | B · data gap | FD-mentes státusz miatt kötelező kezelés sehol nincs (az RS 87/26. rendelete csak kitörés esetére ír elő 2+1 kezelést), az árutermő ültetvényekben csak szakmai ajánlás van[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 66 | (43–85) | C · data gap | A Republika Srpska új kerete javítja a felkészültséget, de nem bizonyít országosan kötelező és végrehajtott kabócakezelést. |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 89.7 · central value: 89.7 (median: 90 · mean: 89.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (70–96) | C · data gap | 1990 óta nagy területcsökkenés, felszámolási program nem ismert.Knowledge base: orszagcsomag |
| Google Gemini | 90 | (78–98) | C · data gap | A szőlőterület 1990 óta ~5800 ha-ról ~3100–4600 ha-ra csökkent, a felhagyott területek felszámolására nincs program[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 90 | (66–99) | C · data gap | A szabályozási lehetőség mellett a felhagyott szőlők tényleges kezelésének és felszámolásának országos aránya hiányzik. |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 84.2 · central value: 84.2 (median: 85 · mean: 83.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 85 | (68–95) | C · data gap | Kötelezés és tájékoztatás nincs dokumentálva.Knowledge base: orszagcsomag |
| Google Gemini | 85 | (72–95) | C · data gap | A 0,1 ha alatti, nem értékesítő házikertek még bejelentésre sem kötelezettek, kabóca elleni kezelési kötelezettség nincs[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 80 | (55–96) | C · data gap | Általános tájékoztatás és részterületi jogi keret ismert, országos házikerti végrehajtási adat nélkül. |
T4 — Shortfall in control quality
MethodologyFinal value: 56 · central value: 56 (median: 55 · mean: 57) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (40–70) | A | Több hatásmód a listán, de nincs kultúraszintű engedély és hatósági időzítés; egy szer engedélye 2026 augusztusában lejárt.Knowledge base: orszagcsomag |
| Google Gemini | 54 | (42–66) | A | Az állami szerlistán szerepelnek hatásos hatóanyagok (acetamiprid, deltametrin, cipermetrin, piretrin, spinosad; flupiradifuron nincs), de hatósági lárvaelőrejelzés nem működik[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 62 | (39–82) | C · data gap | A szerlista nem igazolja minden készítmény aktuális szőlő- és vektorcélú engedélyét, a fenológiai koordináció pedig hiányosan dokumentált. |
T7 — Lack of awareness about control
MethodologyFinal value: 67.7 · central value: 67.7 (median: 68 · mean: 67.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 68 | (52–80) | B | Szakportál és RS-szórólap, célzott értesítés nincs.Knowledge base: orszagcsomag |
| Google Gemini | 66 | (52–78) | B · data gap | Az RS-program szórólapot ír elő és az Agroklub.ba szakportál is közöl cikkeket, de célzott termelői riasztási rendszer nincs[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 68 | (45–86) | C · data gap | Megelőzési közlések vannak, de a célzott, időben érkező tájékoztatás teljes szőlőtartói elérése nem ismert. |
T10 — Lack of source removal
MethodologyFinal value: 0 · central value: 0 (median: 0 · mean: 0) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 0 | (0–5) | C | Nincs igazolt tőke, a nevező üres; az RS-rendelet lelet esetén gyökeres megsemmisítést ír elő.Knowledge base: orszagcsomag |
| Google Gemini | 0 | (0–5) | A | Nincs igazolt fertőzött tőke; az RS 87/26. rendelete előkészítő jelleggel kötelező kivágást ír elő lelet esetére[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 0 | not given | B | Nincs igazolt, eltávolítandó FD-tőke, ezért aktuális eltávolítási elmaradás sincs. |
T11 — Lack of economic capacity for control
MethodologyFinal value: 52 · central value: 52 (median: 53 · mean: 51) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 46 | (32–62) | B | Számottevő területalapú támogatás a szövetségi részen, ár és önköltség nincs; a beruházási támogatás növényvédő szert nem fedez.Knowledge base: orszagcsomag |
| Google Gemini | 54 | (40–68) | B · data gap | Az FBiH-ban hektáralapú (500+1900+100 KM/ha) és 50%-os szerkezetátalakítási támogatás segíti a termelőket, de a növényvédő szert nem támogatják, a kis piac miatt pedig nincs helyi szerfejlesztés[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 53 | (31–76) | C · data gap | Bizonyos termelői támogatások rendelkezésre állnak, de országos ár–önköltség arány és kabócaszer-fejlesztési döntés nem ismert. |
T6 — Propagating-material pathway
MethodologyFinal value: 61.7 · central value: 61.7 (median: 62 · mean: 61.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 65 | (52–78) | B · data gap | Tanúsítás kiépülőben, növényútlevél még nem működik, import kevés mintával; a szerb út és a házi szaporítás nem mért.Knowledge base: orszagcsomag |
| Google Gemini | 62 | (50–75) | A · data gap | A növényútlevél-rendszer még kiépülőben van, az oltványimport FD-fertőzött országokból (IT, AT, SI, HR) nő, míg az RS-program évente csak 3 import/faiskolai mintát vizsgál[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 57 | (35–78) | C · data gap | Nyilvántartási és mintázási keret van, de a terv teljesítése és a nem kereskedelmi szaporítóanyag-forgalom ellenőrzése ismeretlen. |
T8 — Weather
MethodologyFinal value: 50 · Evidence: class A
Value calculated from official data with a fixed script.
Rule applied: gépi számítás (0. lépés)
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | A | Őszi futásban a feladat szerint 50. |
| Google Gemini | – | not given | A | Őszi futásnál a szabály szerint a T8 értéke 50[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | – | not given | C | A feladat őszi rögzített értéke 50. |
G1 — Unsurveyed share, commercial
MethodologyFinal value: 91.2 · central value: 91.2 (median: 92 · mean: 90.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 92 | (82–98) | B · data gap | Hatósági RS: 2024-ben 47, 2026-ra 162 szemle/minta, hektár ismeretlen; a szövetségi rész (a szőlő kb. 80 %-a) és drón nincs adat.Knowledge base: orszagcsomag |
| Google Gemini | 92 | (84–98) | A · data gap | A Republika Srpska (a szőlőterület ~15–20%-a) 2026-ban 162 szemlét/mintát tervez, azonban a fő szőlőterületet (Hercegovina, ~80%) adó FBiH-ból nincs dokumentált FD-felügyeleti program[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 87 | (54–98) | C · data gap | 2026. VII.20–IX.30.: hatósági, szemlecsoportos, drónos és egyéb hektár, pontos szemledátum és átfedés ismeretlen; a mintaterv nem szemleterület. |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 96.7 · central value: 96.7 (median: 97 · mean: 96.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 97 | (88–100) | C · data gap | Az FD-program termőültetvényt nevez, kertekről nincs adat.Knowledge base: orszagcsomag |
| Google Gemini | 98 | (90–100) | C · data gap | A házikertekre nem terjed ki a dokumentált FD-felderítés[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 94 | (74–99) | C · data gap | A nyilvántartási küszöb nem házikerti szemleadat, a megvizsgált kertek aránya hiányzik. |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 97.3 · central value: 97.3 (median: 98 · mean: 96.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 98 | (90–100) | C · data gap | Kockázati helyként nem nevesített.Knowledge base: orszagcsomag |
| Google Gemini | 98 | (90–100) | C · data gap | A felhagyott ültetvényeket nem vizsgálják FD-re[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 94 | (72–99) | C · data gap | A felhagyott szőlők tünetszezoni szemlelefedettsége nem ismert. |
G2 — Survey unreliability
MethodologyFinal value: 42.8 · central value: 42.8 (median: 42 · mean: 43.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 50 | (35–65) | C | RS-ben írott protokoll, műhelyek; a szövetségi részről nincs adat.Knowledge base: orszagcsomag |
| Google Gemini | 42 | (30–55) | A | Az RS-ben írott mintavételi protokoll (EPPO PM 7/079(2)) és nemzetközi tréningeken képzett szakemberek vannak, az FBiH-ban a protokoll nem dokumentált[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 39 | (20–64) | C · data gap | Hivatalos program és részletesebb eljárási keret van, de a teljes ország szemlézői képzettsége és protokollkövetése ismeretlen. |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 98.2 · central value: 98.2 (median: 98 · mean: 98.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 97 | (90–100) | C | Gépi előszűrés nincs.Knowledge base: orszagcsomag |
| Google Gemini | 100 | (95–100) | C | Nincs gépi FD-előszűrés Bosznia-Hercegovinában[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 98 | (84–100) | C · data gap | Validált, érdemi területi lefedettségű FD-gépi előszűrés nem dokumentált. |
G3 — Lack of lab confirmation
MethodologyFinal value: 30.8 · central value: 30.8 (median: 30 · mean: 31.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 30 | (10–55) | B · data gap | RS-ben PCR és felhatalmazott labor, a szövetségi rész ismeretlen, átfutás nincs.Knowledge base: orszagcsomag |
| Google Gemini | 25 | (12–42) | A · data gap | Az RS-ben kijelölt hivatalos labor (2023–2026) végzi a PCR-vizsgálatokat, az FBiH laborpraktikájáról és az átfutási időkről nincs adat[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 40 | (12–73) | C · data gap | Engedélyezett PCR-labor van, de a 30 napos eredményarány és a mintázatlan gyanúk aránya ismeretlen. |
G6 — Difficulty of notification
MethodologyFinal value: 57.7 · central value: 57.7 (median: 58 · mean: 57.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (45–70) | B | Törvényi kötelezés a felügyelet felé, online út és telefonvonal nem található.Knowledge base: orszagcsomag |
| Google Gemini | 58 | (45–70) | A | Törvényi bejelentési kötelezettség él az entitási felügyelőségek felé, de online bejelentő űrlap vagy alkalmazás nincs[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 56 | (38–75) | C · data gap | Hatósági bejelentési kötelezettség ismert, egységes országos elektronikus követés és válaszidő nélkül. |
G8 — Disincentives to notify
MethodologyFinal value: 45.5 · central value: 45.5 (median: 45 · mean: 46) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (28–62) | C · data gap | Az állami törvény kártalanítást ígér azonnali bejelentésnél; FD-tarifa, ültetvényérték és kifizetési idő nem ismert.Knowledge base: orszagcsomag |
| Google Gemini | 48 | (35–65) | C · data gap | A kerettörvény (SG BiH 23/03, 59. cikk) előírja a kártalanítást azonnali bejelentés esetén, de FD-specifikus tarifa és kifizetési gyakorlat nem ismert[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 45 | (20–78) | C · data gap | Általános kártalanítási keret létezik, de az FD-térítés ültetvényértékhez viszonyított aránya és átlagos ideje ismeretlen. |
G11 — Lack of economic interest in detection
MethodologyFinal value: 48.7 · central value: 48.7 (median: 48 · mean: 49.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (32–65) | C · data gap | Támogatott kis ágazat, jövedelemadat és kilépési megszólalás nincs.Knowledge base: orszagcsomag |
| Google Gemini | 52 | (38–65) | B · data gap | A hercegovinai árutermő szektor támogatott és érdekelt az ültetvények megóvásában, de jövedelmezőségi és önköltségi adatok nem nyilvánosak[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 48 | (26–73) | C · data gap | A támogatások fenntarthatják a termelési érdeket, de reprezentatív jövedelmi és kilépési adatok nincsenek. |
V1 — Lack of a cure
MethodologyFinal value: 81.7 · central value: 81.7 (median: 80 · mean: 83.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (76–88) | C | Laborban van jelzés, szabadföldön nincs igazolt hatás, engedély nincs.Knowledge base: 47 |
| Google Gemini | 95 | (90–98) | C | Nincs engedélyezett, hatásos gyógymód az FD ellen[cite: 1, 2].Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md |
| OpenAI ChatGPT | 75 | (75–95) | C | Laboratóriumi és üvegházi FD-ellenes hatás ismert, igazolt szabadföldi gyógymód nincs. |
V2 — Lack of resistant varieties
MethodologyFinal value: 100 · central value: 100 (median: 100 · mean: 100) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 100 | (97–100) | C | Igazoltan ellenálló fajta nincs.Knowledge base: orszagcsomag, 47 |
| Google Gemini | 100 | (99–100) | C | A fő termesztett fajták (Žilavka, Blatina, Vranac) között nincs igazoltan FD-ellenálló[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 100 | not given | C | Igazoltan FD-ellenálló fajtával beültetett terület nem ismert; a tolerancia nem valódi ellenállás. |
V3 — Lack of recovery
MethodologyFinal value: 100
It has no effect in the formula under mandatory grubbing up, so it is not scored.
Rule applied: kötelező kivágás alatt nem pontozandó (5.2): a legutóbbi érték marad
V4 — General plant-health condition
MethodologyFinal value: 50
It has no effect in the formula under mandatory grubbing up, so it is not scored.
Rule applied: kötelező kivágás alatt nem pontozandó (5.2): a legutóbbi érték marad
V5 — Lack of resources for community treatment and research
MethodologyFinal value: 64.7 · central value: 64.7 (median: 65 · mean: 64.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 65 | (52–78) | B | Betegség miatti átalakítás 50–60 %-os telepítési támogatással; FD-kutatási keret nincs.Knowledge base: orszagcsomag |
| Google Gemini | 62 | (50–75) | B | Fertőző betegségek miatti szerkezetátalakításra 50–60%-os beruházási támogatás érhető el és EU-twinning segíti a hatóságot, de hazai FD-kutatási alap nincs[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 66 | (44–85) | C · data gap | Részterületi ültetvénymegújítási támogatás van, de FD-specifikus kutatási és országos közösségi kezelési keret nem igazolt. |
V6 — Lack of a market for development
MethodologyFinal value: 64.3 · central value: 64.3 (median: 62 · mean: 66.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (48–76) | C | Nagyon kis piac (3–4,6 ezer ha), hosszú távú csökkenés után stagnálás; a megoldás piaca nemzetközi.Knowledge base: orszagcsomag |
| Google Gemini | 76 | (65–86) | C | Nagyon kicsi (3,1–4,6 ezer ha) nemzeti szőlőpiac, önálló nemesítési vagy fejlesztési beruházás nélkül[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 62 | (39–82) | C · data gap | A kis hazai piac önmagában gyenge fejlesztési ösztönző, de a nemzetközi kereslet és a támogatások miatt nem tekinthető összeomlottnak. |
J — Epidemic burden
MethodologyFinal value: 0 · central value: 0 (median: 0 · mean: 0) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 00% | not given | A | Nincs igazolt FD, ez adat. |
| Google Gemini | 00% | not given | A | Nincs igazolt FD az országban, ezért J = 0[cite: 1].Knowledge base: 28f_orszag_ba |
| OpenAI ChatGPT | 00% | not given | B | A számláló nulla igazolt vagy FD-miatt kijelölt tő; az országos tőszám hiánya a feladat szerinti nulla értéket nem módosítja. |
Expert estimate, not official data.