FKI evaluation – Croatia, 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
- Spread
- 23%
- Unknown foci
- 43%
- Vine loss
- 99%
- Epidemic burden
- 56 points
- Without epidemic burden: 50%
With good practice, the FKI would be about 5.4 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 | 35(22–50) | 36(25–48) | 43(27–62) | 37 |
| E1a Confirmed exposure | 14(6–26) | 24(14–36) | 26(11–45) | 22.7 |
| I Infection density | 57.3(40.1–80.1) | 62.8(44.5–82.7) | 50(29.4–80.1) | 57 |
| T9 Introduction pressure | 82(72–92) | 76(65–86) | 81(65–91) | 80.3 |
| T1 Leafhopper distribution | 94(85–100) | 96(90–100) | 96(83–100) | 95.7 |
| T2 Leafhopper density | 58(30–80) | 58(45–72) | 63(32–87) | 58.8 |
| T3 Lack of control in commercial vineyards | 56(42–68) | 45(32–58) | 52(34–72) | 51.5 |
| T5a Lack of control in abandoned refuges | 72(58–85) | 58(45–70) | 78(55–92) | 70.7 |
| T5b Lack of control in home-garden vines | 58(42–72) | 55(42–68) | 58(35–81) | 57.5 |
| T4 Shortfall in control quality | 24(14–36) | 26(16–38) | 31(18–48) | 26.5 |
| T7 Lack of awareness about control | 48(32–62) | 34(22–48) | 46(25–69) | 44.3 |
| T10 Lack of source removal | 28(12–42) | 30(18–45) | 26(8–56) | 28 |
| T11 Lack of economic capacity for control | 55(40–70) | 55(42–68) | 59(35–80) | 55.7 |
| T6 Propagating-material pathway | 55(42–70) | 42(28–56) | 49(29–72) | 48.8 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 88(70–96) | 84(72–92) | 81(52–96) | 84.2 |
| G5a Unsurveyed share, home gardens | 93(82–98) | 88(75–95) | 88(65–98) | 88.8 |
| G5b Unsurveyed share, abandoned vineyards | 65(45–82) | 48(32–64) | 69(38–91) | 62.8 |
| G2 Survey unreliability | 48(32–62) | 34(22–48) | 43(25–66) | 42.3 |
| G4 Weakness of automated pre-screening | 93(84–98) | 98(90–100) | 97(83–100) | 96.5 |
| G3 Lack of lab confirmation | 88(72–96) | 46(30–62) | 82(55–96) | 77 |
| G6 Difficulty of notification | 28(15–42) | 42(30–55) | 38(23–57) | 37 |
| G8 Disincentives to notify | 72(60–82) | 66(52–78) | 73(55–88) | 71.2 |
| G11 Lack of economic interest in detection | 55(38–72) | 56(42–70) | 59(35–81) | 56.3 |
| Vine loss | ||||
| V1 Lack of a cure | 78(65–90) | 95(90–100) | 75(70–91) | 80.3 |
| V2 Lack of resistant varieties | 100(99–100) | 100(99–100) | 100(99–100) | 100 |
| V3 Lack of recovery | – | – | – | 100 |
| V4 General plant-health condition | – | – | – | 50 |
| V5 Lack of resources for community treatment and research | 35(22–50) | 42(30–55) | 52(31–76) | 42.5 |
| V6 Lack of a market for development | 58(42–72) | 62(48–75) | 63(42–81) | 61.5 |
| Epidemic burden | ||||
| J Epidemic burden | 46.3(6.1–82.9) | 69.4(23.1–100) | 55(0–100) | 56 |
FD Finder Expert’s summary
Horvátország 56%-os értéke (sáv: 50–65) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt is szakértők becsülték: Claude, Gemini és ChatGPT. A G 43,4, a T 22,8, a J 56 pont, és J nélkül az érték 50% lenne. 2025 végéig az FD 14 megyében és Zágrábban igazolódott, a minisztérium 155,54 ha elhagyott és fertőzött állami földi szőlő kivágását finanszírozta, magánterületen előzetesen mintegy 570 ha szerepel (HR-008), 2026 szeptembere és október közepe között pedig 133 ellenőrzött szőlőből 127-ben rendeltek el kivágást, 44,27 ha-on (HR-013), ami célzott ellenőrzés, nem sűrűségadat. A laborigazolás hiányánál (G3) Gemini 46, ChatGPT 82, Claude 88 pontot adott, mert azt, hogy a fertőzött területen a tünetes tő laborigazolás nélkül kerül ki (HR-018), ChatGPT és Claude nagyobb hiánynak számolta, mint Gemini. A legnagyobb bizonytalanság a tőszám: a kivágott ültetvények száma nem tőkeszám, ezért a J 0,2–0,4% közötti becslés. A pontosabb értékhez kivágott tőszám, községi szőlőterület és a hatósági szemlék hektárja kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 37 · central value: 37 (median: 36 · mean: 38) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 35 | (22–50) | B | 478 fertőzött kataszteri község 14 megyében és Zágrábban, községi szőlőterület nem nyilvános.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 36 | (25–48) | A | 14 megyében és Zágrábban igazolt (432+ fertőzött kataszteri község, a kontinentális rész és Isztria), csak a dalmát tengerparti megyék mentesek. |
| OpenAI ChatGPT | 43 | (27–62) | C · data gap | Az érintett kataszteri települések területsúlya becsült, a fertőzött megyék egészét nem számítottam be.Knowledge base: I, J |
E1a — Confirmed exposure
MethodologyFinal value: 22.7 · central value: 22.7 (median: 24 · mean: 21.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 14 | (6–26) | C · data gap | Sok szórt pont 1 km-es köre becsült szőlőaránnyal.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 24 | (14–36) | A | Az igazolt pontok 1 km-es körével átfedő szőlőterület aránya az országos ~19 583 ha-ból a kontinentális és isztriai gócok sűrűsége alapján. |
| OpenAI ChatGPT | 26 | (11–45) | C · data gap | A nemzeti körzetek helyett az igazolt pontok 1 km-es szőlőmetszetét becsültem, teljes GIS-adat nélkül.Knowledge base: I, J |
I — Infection density
MethodologyFinal value: 57 · central value: 57 (median: 57.3 · mean: 56.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 57.31.4% | (40.1–80.1) | C · data gap | Becsült 80–250 ezer tő kb. 8–10 M kitett tőből, a célzott ellenőrzés nem sűrűség.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 62.81.8% | (44.5–82.7) | A | A DIRH 2026 őszi célzott ellenőrzésén 133 ültetvényből (44,27 ha) 127-ben állapítottak meg FD-t és rendeltek el kivágást; állami földön 155 ha-t vágtak ki. |
| OpenAI ChatGPT | 501% | (29.4–80.1) | C · data gap | Becsült 198640 kijelölt tő/19864000 kitett tő; 44,27 ha célzott szemle szeptember–októberi, teljes időablakos lefedettség nincs.Knowledge base: I, J |
T9 — Introduction pressure
MethodologyFinal value: 80.3 · central value: 80.3 (median: 81 · mean: 79.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 82 | (72–92) | B | Szlovén, magyar és szerb határ menti fertőzés, négy ország közös terhe.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/HR.md |
| Google Gemini | 76 | (65–86) | B | Szlovénia (Posavje, Bela krajina, Štajerska), Magyarország (Zala, Baranya) és Szerbia (Szerémség, Bácska) határ menti sávjában is súlyos a fertőzés. |
| OpenAI ChatGPT | 81 | (65–91) | C · data gap | A magyar, szlovén és szerb határ irányából jelentős nyomás van, minden irány egyforma érintettsége nem igazolt.Knowledge base: C, I, J |
T1 — Leafhopper distribution
MethodologyFinal value: 95.7 · central value: 95.7 (median: 96 · mean: 95.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 94 | (85–100) | B | Szinte minden borvidéken, 2024-től a dalmát megyékben is.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 96 | (90–100) | B | A vektort 2003 óta minden horvát szőlőtermesztő területen (Isztriától Kelet-Horvátországig és Dalmáciáig: Pelješac, Vis, Vrgorac) megerősítették. |
| OpenAI ChatGPT | 96 | (83–100) | C · data gap | A vektor csaknem minden termőtérségben jelen van, de az utolsó két szezon pontos megyei területi aránya hiányzik.Knowledge base: B, E, J |
T2 — Leafhopper density
MethodologyFinal value: 58.8 · central value: 58.8 (median: 58 · mean: 59.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (30–80) | C · data gap | Kezelés előtti felmérés csak stádium darabszám nélkül, kutatásban kezeletlen helyen több ezer imágó.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 58 | (45–72) | A | Kezelés előtti felmérések többségi L1–L2 lárvajelenlétet mutattak, a HAPIH országos felmérésében 40-ből 23–35 helyen fogtak imágót, elhagyott telepeken tömegesen. |
| OpenAI ChatGPT | 63 | (32–87) | C · data gap | Kezelés előtti L1–L2 jelenlét ismert, sűrűség és kezeletlen fogáseloszlás nincs; kezelés utáni fogást nem használtam.Knowledge base: B, E |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 51.5 · central value: 51.5 (median: 52 · mean: 51) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 56 | (42–68) | B | A demarkált területen kötelező, az ellenőrzés jogalapja még tisztázatlan.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 45 | (32–58) | A | A demarkált területeken minden szőlésznek (mentes területen a faiskoláknak) kötelező a kezelés, de a minisztériumi egyeztetés szerint a felügyelet jogalapja és hatásköre tisztázásra szorul. |
| OpenAI ChatGPT | 52 | (34–72) | A | A körülhatárolt területeken kötelező kezelés van, országos tényleges teljesítési arány nincs. |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 70.7 · central value: 70.7 (median: 72 · mean: 69.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (58–85) | B | 155,54 ha kivágva, kb. 570 ha magánterület vár, a nevező előzetes.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 58 | (45–70) | A | Állami földön 155,54 ha-t kivágtak (760 ezer EUR keret) és az NN 154/2025 önkormányzati kivágást indított, de magánföldön még ~570 ha (3800 parcella) vár rendezésre és minden társtulajdonos aláírása kell. |
| OpenAI ChatGPT | 78 | (55–92) | C · data gap | 155,54 ha állami felszámolás mellett jelentős magánterületi maradvány van, a 570 ha nem teljes országos nevező.Knowledge base: D, E |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 57.5 · central value: 57.5 (median: 58 · mean: 57) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (42–72) | B | A zónában kötelező, a felhívás októberben érkezett, ellenőrzési adat nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 55 | (42–68) | B | A demarkált területen a hobbiszőlőkre is kötelező a védekezés és számos önkormányzat adott ki lakossági felhívást, de a kiskerti ellenőrzés gyenge és a lugasok fő kabócaforrások. |
| OpenAI ChatGPT | 58 | (35–81) | C · data gap | A kötelezettség és lakossági felhívások mellett a házikertek ellenőrzött kezelési aránya nem ismert.Knowledge base: D, J |
T4 — Shortfall in control quality
MethodologyFinal value: 26.5 · central value: 26.5 (median: 26 · mean: 27) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 24 | (14–36) | A | 16 készítmény, köztük ökológiai is, lárvastádiumhoz kötött regionális időzítés.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 26 | (16–38) | A | 16 engedélyezett készítmény áll rendelkezésre (felszívódók, piretroidok és öko piretrin/kálisó is) lárvastádiumhoz kötött szaktanácsadói előrejelzéssel, részleges összehangolással. |
| OpenAI ChatGPT | 31 | (18–48) | A | Helyi stádiumalapú időzítés és 16 készítmény, köztük ökológiai lehetőség szerepel a 2026-os felhívásban. |
T7 — Lack of awareness about control
MethodologyFinal value: 44.3 · central value: 44.3 (median: 46 · mean: 42.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (32–62) | B | Országos és önkormányzati felhívás, de késő szezonban és a hobbiszőlőhöz célzott csatorna nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 34 | (22–48) | A | Országos minisztériumi és HAPIH-kampány, amelyet a helyi önkormányzatok (Koprivnica, Ilok, Stari Grad, Sinj, Đurđevac, Slatina) szórólapokkal és tanácsadói listával terjesztenek. |
| OpenAI ChatGPT | 46 | (25–69) | C · data gap | Sok önkormányzati és szakmai csatorna működik, az időben elért tulajdonosok aránya nincs mérve.Knowledge base: G, J |
T10 — Lack of source removal
MethodologyFinal value: 28 · central value: 28 (median: 28 · mean: 28) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 28 | (12–42) | B | Általános intézkedés 95,7 %, FD 2021-ben 98 %, de gazdátlan szőlőnél elakad.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 30 | (18–45) | A | A DIRH határozatainak 95–98%-át végrehajtják és 2026 őszén 127 ültetvény kivágását rendelték el, de a rendezetlen tulajdonú magánföldeken jogszabályi akadályok késleltetik a kényszerkivágást. |
| OpenAI ChatGPT | 26 | (8–56) | C · data gap | Végrehajtott felszámolás ismert, de a 127 elrendelés nem teljesítési adat, friss határidős tőkenevező nincs.Knowledge base: D, J |
T11 — Lack of economic capacity for control
MethodologyFinal value: 55.7 · central value: 55.7 (median: 55 · mean: 56.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (40–70) | B | Borár nő, aszály, a termelők szerköltség-támogatást kérnek, szőlőár nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/HR.md |
| Google Gemini | 55 | (42–68) | B | Az elaprózott birtokszerkezet (38 829 gazdaság 19 583 ha-on, átlag 0,5 ha) és a 2026-os kelet-horvátországi aszály miatt a termelők a rovarölő szerek társfinanszírozását kérik. |
| OpenAI ChatGPT | 59 | (35–80) | C · data gap | A kezelési és újratelepítési költségek terhelik a termelőket, reprezentatív szőlőár–önköltség-adat hiányzik.Knowledge base: I, J |
T6 — Propagating-material pathway
MethodologyFinal value: 48.8 · central value: 48.8 (median: 49 · mean: 48.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (42–70) | C · data gap | Az oltvány kb. fele standard kategória, a nem kereskedelmi út mértéke ismeretlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 42 | (28–56) | C | A faiskolákban országszerte kötelező a vektor elleni védekezés, de az elszigetelt oltványiskolákban is fogtak FD-hordozó kabócát és a házi szaporítás sem zárható ki. |
| OpenAI ChatGPT | 49 | (29–72) | C · data gap | A faiskolai út szabályozott, de a standard anyag és az ismeretlen informális csere miatt teljes ellenőrzöttség nem igazolható.Knowledge base: D, J |
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 | Ősszel a skála szerint 50.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | – | not given | A | Őszi futásnál a szezonbeli felmérések (T2) rendelkezésre állása miatt a szabályzat szerint rögzített 50 pont. |
| OpenAI ChatGPT | – | not given | C | Az őszi futás előírt semleges értéke. |
G1 — Unsurveyed share, commercial
MethodologyFinal value: 84.2 · central value: 84.2 (median: 84 · mean: 84.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (70–96) | B · data gap | DIRH 44,27 ha szept.–okt. első fele (0,25 %, alsó korlát), HAPIH-szemle ha ismeretlen, drón nincs; mérlegeltem, mert a DIRH-szám nem a teljes átvizsgálás.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 84 | (72–92) | A | A DIRH 2026 őszi célzott ellenőrzése 44,27 ha-t vizsgált át; a HAPIH éves szemléivel (~300–600 szemle) együtt is az országos ~19 583 ha-nak csak kis töredékét nézik át. |
| OpenAI ChatGPT | 81 | (52–96) | C · data gap | Hatóság: 44,27 ha szeptember–október 15., szeptemberi része ismeretlen; szemlecsoport, drón és egyéb hektár/dátum nincs.Knowledge base: D, F |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 88.8 · central value: 88.8 (median: 88 · mean: 89.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 93 | (82–98) | C · data gap | Hatósági házikerti szemléről nincs adat.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 88 | (75–95) | C | A hobbiszőlők nem mind szerepelnek a nyilvántartásban (a termelők minden szőlő kötelező regisztrációját kérik), hatósági átvizsgálásuk csak lakossági bejelentés nyomán történik. |
| OpenAI ChatGPT | 88 | (65–98) | C · data gap | A lakossági bejelentés csatornái ismertek, a tünetszezonban átnézett kertek aránya nem.Knowledge base: D, J |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 62.8 · central value: 62.8 (median: 65 · mean: 60.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 65 | (45–82) | B | A felhagyott szőlők felmérése folyik, a felmérés nem mintázás.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 48 | (32–64) | B | Az önkormányzati összeírási programban már ~570 ha (3800 elhagyott magánszőlő) és 155,54 ha állami szőlő szerepel kategorizálva, bár nem mindet a tünetszezonban vizsgálták. |
| OpenAI ChatGPT | 69 | (38–91) | C · data gap | Célzott felmérés és felszámolás folyik, de a teljes felhagyott terület szemlézett hányada hiányzik.Knowledge base: D, J |
G2 — Survey unreliability
MethodologyFinal value: 42.3 · central value: 42.3 (median: 43 · mean: 41.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (32–62) | C · data gap | HAPIH-felügyelet, a fertőzött területen tünetalapú döntés, 83-ból 57 felügyelő, termelői szemle nem rögzített.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 34 | (22–48) | B | A HAPIH, a minisztériumi tanácsadók és a DIRH felügyelői képzettek és egységes protokollal (MOBIDI-PEST) dolgoznak, a termelői önellenőrzés azonban gyengébb. |
| OpenAI ChatGPT | 43 | (25–66) | C · data gap | Képzett hatósági szakemberek dolgoznak, az összes gazdai és helyi szemléző képzettsége nem ismert.Knowledge base: A, D, G |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 96.5 · central value: 96.5 (median: 97 · mean: 96) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 93 | (84–98) | C | Hatósági használat nincs, egy drónszolgáltatás.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 24_taverzekeles_kepfelismeres_mi.md, orszagok/HR.md |
| Google Gemini | 98 | (90–100) | C | Nincs működő gépi vagy drónos FD-előszűrés (korábban csak egy 2 ha-os isztriai egyetemi drónkísérlet volt). |
| OpenAI ChatGPT | 97 | (83–100) | C · data gap | Általános drónos szőlőkutatás nem igazol működő és validált FD-előszűrést.Knowledge base: F, J |
G3 — Lack of lab confirmation
MethodologyFinal value: 77 · central value: 77 (median: 82 · mean: 72) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (72–96) | C · data gap | A fertőzött területen a tünetes tő szándékosan PCR nélkül megy ki, a gyanúk zöme mintázatlan, átfutás nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 46 | (30–62) | A | Az akcióterv évi ~500 labormintát biztosít, de a fertőzött zónában a Naredba (NN 48/2018) szerint a tünetes tőkéket laborvizsgálat nélkül kell kivágni. |
| OpenAI ChatGPT | 82 | (55–96) | C · data gap | A zónák tünetes tőkéinek mintavétel nélküli kivágása is PCR-hiány, országos aránya és átfutása nem ismert.Knowledge base: D, E |
G6 — Difficulty of notification
MethodologyFinal value: 37 · central value: 37 (median: 38 · mean: 36) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 28 | (15–42) | B | Online űrlap fotóval és külön e-mail cím, visszajelzési határidő nem ismert.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 42 | (30–55) | B | Dedikált e-mail cím (prijave.zutica@mps.hr) és községi bejelentési felhívások segítik a jelzést, de nyilvános fotós app és 7 napos visszajelzési garancia nincs. |
| OpenAI ChatGPT | 38 | (23–57) | C · data gap | Külön e-mail és általános online bejelentés elérhető, FD-specifikus visszajelzési határidő nem igazolt.Knowledge base: D, J |
G8 — Disincentives to notify
MethodologyFinal value: 71.2 · central value: 71.2 (median: 72 · mean: 70.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (60–82) | B | Csak 20 % fölött és teljes kivágásnál újratelepítési pénz, egyes tőre nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/HR.md |
| Google Gemini | 66 | (52–78) | B | Egyedi tőkére nincs kártalanítás, a KAP 73.02 újratelepítési támogatás csak >20%-os fertőzöttségű tábla kivágásakor érhető el; a mulasztást pénzbírsággal szankcionálják. |
| OpenAI ChatGPT | 73 | (55–88) | C · data gap | Teljes felszámolás utáni helyreállítás támogatható, egyedi tőke teljes értékfedezete és átlagos kifizetési ideje nem igazolt.Knowledge base: D, I |
G11 — Lack of economic interest in detection
MethodologyFinal value: 56.3 · central value: 56.3 (median: 56 · mean: 56.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (38–72) | C · data gap | A pénz a 20 %-os küszöbhöz kötött, elhallgatásról nincs bizonyíték.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/HR.md |
| Google Gemini | 56 | (42–70) | B | Az árutermő borászok (pl. Isztriában) érdekeltek a védekezésben és 100%-os támogatást sürgetnek, de a 20%-os küszöb és a sok kisbirtokos miatt vegyes a bejelentési hajlandóság. |
| OpenAI ChatGPT | 59 | (35–81) | C · data gap | A gazdasági nyomás gyengíti a saját keresési érdeket, széles körű szándékos küszöbkivárás nem igazolt.Knowledge base: I, J |
V1 — Lack of a cure
MethodologyFinal value: 80.3 · central value: 80.3 (median: 78 · mean: 82.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (65–90) | C | Nincs engedélyezett kezelés.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/HR.md |
| Google Gemini | 95 | (90–100) | C | Nincs engedélyezett vagy szabadföldön igazolt gyógymód az FD-re. |
| OpenAI ChatGPT | 75 | (70–91) | C | Laboratóriumi FD-hatás van, engedélyezett vagy meggyőzően igazolt szabadföldi gyógymód nincs.Knowledge base: E, H, I |
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 | (99–100) | C | A regiszter szerint ellenálló fajta 0 ha.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/HR.md |
| Google Gemini | 100 | (99–100) | C | Igazoltan FD-ellenálló szőlőfajtával beültetett terület nincs. |
| OpenAI ChatGPT | 100 | (99–100) | C | Igazolt FD-ellenálló telepítések nincsenek dokumentálva.Knowledge base: A, H, I |
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
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | C | Külföldi Barbera-adat, hazai gyűjteményben tartós fertőzés és pusztulás.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 02_korokozo_biologia_genotipusok.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/HR.md |
| Google Gemini | – | not given | C | Gyakorlatban alkalmazható, kórokozómentességet adó gyógyulás nem igazolt. |
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
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | B | A nyár országosan extrém meleg, keleten nagyon száraz.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/HR.md |
| Google Gemini | – | not given | A | 2026 nyarán és szeptemberében Kelet-Horvátországban és a kontinentális részen jelentős hőstressz és aszály („toplo”, „vrlo sušno”) volt. |
V5 — Lack of resources for community treatment and research
MethodologyFinal value: 42.5 · central value: 42.5 (median: 42 · mean: 43) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 35 | (22–50) | A | Kutatási keret 6 évre, állami kivágási keret, önkormányzati program és uniós 100 %-os lehetőség.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/HR.md |
| Google Gemini | 42 | (30–55) | A | Van állami keret az elhanyagolt szőlők kivágására (760 ezer EUR + 1 M EUR hároméves magánterületi terv) és KAP 73.02 újratelepítési forrás. |
| OpenAI ChatGPT | 52 | (31–76) | C · data gap | Újratelepítési hozzáférés van, a szaporítóanyag-program nem azonos elkülönített FD-gyógymód- és rezisztenciakutatással.Knowledge base: H, I, J |
V6 — Lack of a market for development
MethodologyFinal value: 61.5 · central value: 61.5 (median: 62 · mean: 61) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (42–72) | C | A terület 25,6-ről 19,1 ezer ha-ra csökkent, magánfejlesztés nem ismert.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/HR.md |
| Google Gemini | 62 | (48–75) | C | Elaprózott birtokszerkezet és a kontinentális borvidékeken jelentős felhagyott terület mellett Isztria és Dalmácia piaca stabilabb. |
| OpenAI ChatGPT | 63 | (42–81) | C · data gap | A csökkenő szőlőterület gyengíti a hazai fejlesztési keresletet, a nemzetközi piac nem szűnt meg.Knowledge base: I, J |
J — Epidemic burden
MethodologyFinal value: 56 · central value: 56 (median: 55 · mean: 56.9) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 46.30.2% | (6.1–82.9) | C · data gap | Becsült 80–250 ezer tő / kb. 70 M tő; 2026-ban 44,27 ha-ra 127 kivágás, ez nem mind tünetes tő, a kivágott területet nem tartják nyilván.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/HR.md |
| Google Gemini | 69.40.4% | (23.1–100) | A | A 127 elrendelt ültetvénykivágás és a 155 ha állami (plusz magán) fertőzött/elhagyott kivágás alapján becsült arány az országos ~19 583 ha-hoz képest. |
| OpenAI ChatGPT | 550.26% | (0–100) | C · data gap | Becsült 198640 kijelölt tő/76400000 országos tő, a felszámolt elhagyott területek egészséges tőkéi nélkül.Knowledge base: I, J |
Expert estimate, not official data.