FKI evaluation – Ukraine, 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 0.8 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(58–85) | 76(65–86) | 69(50–84) | 72.2 |
| T1 Leafhopper distribution | 13(8–45) | 12(8–25) | 12(4–35) | 12.2 |
| T2 Leafhopper density | 40(10–70) | 42(20–68) | 39(13–73) | 40.2 |
| T3 Lack of control in commercial vineyards | 88(75–96) | 92(80–98) | 86(61–97) | 88.3 |
| T5a Lack of control in abandoned refuges | 92(78–98) | 96(88–100) | 93(70–99) | 93.3 |
| T5b Lack of control in home-garden vines | 90(78–97) | 95(85–100) | 89(64–98) | 90.7 |
| T4 Shortfall in control quality | 78(62–90) | 85(72–94) | 76(51–92) | 78.8 |
| T7 Lack of awareness about control | 88(75–96) | 88(75–95) | 89(67–98) | 88.2 |
| T10 Lack of source removal | 85(60–98) | 90(70–100) | 50(15–90) | 80 |
| T11 Lack of economic capacity for control | 65(45–82) | 82(70–92) | 72(44–91) | 72.5 |
| T6 Propagating-material pathway | 80(65–92) | 78(65–88) | 68(41–89) | 76.7 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 97(90–100) | 98(90–100) | 92(68–99) | 96.3 |
| G5a Unsurveyed share, home gardens | 98(92–100) | 99(92–100) | 95(77–99) | 97.7 |
| G5b Unsurveyed share, abandoned vineyards | 96(85–99) | 99(92–100) | 96(78–99) | 96.5 |
| G2 Survey unreliability | 88(72–96) | 88(75–96) | 76(47–94) | 86 |
| G4 Weakness of automated pre-screening | 99(94–100) | 100(95–100) | 98(86–100) | 99 |
| G3 Lack of lab confirmation | 92(75–99) | 90(75–98) | 85(53–98) | 89.5 |
| G6 Difficulty of notification | 85(68–95) | 78(65–88) | 63(38–86) | 76.7 |
| G8 Disincentives to notify | 60(40–82) | 85(70–95) | 68(38–89) | 69.5 |
| G11 Lack of economic interest in detection | 62(40–80) | 80(65–90) | 66(38–88) | 67.7 |
| 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 | 66(50–82) | 85(75–95) | 50(39–69) | 66.5 |
| V4 General plant-health condition | 62(45–78) | 74(60–85) | 72(49–89) | 70.7 |
| V5 Lack of resources for community treatment and research | 82(68–92) | 88(75–96) | 79(57–94) | 82.5 |
| V6 Lack of a market for development | 65(42–82) | 78(65–88) | 74(49–90) | 73.2 |
| Epidemic burden | ||||
| J Epidemic burden | 0 | 0 | 0 | 0 |
FD Finder Expert’s summary
Ukrajna 17%-os értéke (sáv: 15–30) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt is szakértők becsülték: Claude, Gemini és ChatGPT. Igazolt FD Ukrajnában nincs (UA-005, UA-007), ezért az E1, az E1a és a J nulla, a kivágás nem kötelező, és a 17% (T 7,4, G 7,0) a behurcolási és terjedési nyomást mutatja, nem járványképet. A nulla nem mentesség, mert az EPPO-listáról hiányzó ország mögött nincs felderítési nevező (UA-007), egy odesszai professzor említése pedig laborigazolás nélküli, ezért nem számít leletnek (UA-026, UA-003). A nyomást a tudásbázis (49) szerint a határtól mintegy 5 km-re lévő szlovák góc, a Botoșani megyei pozitív minták (UA-012) és a moldovai első lelet (UA-011) adja, a vektor 2017 óta van jelen Kárpátalján (UA-013). A legnagyobb eltérés a kivágási mulasztásnál (T10) volt: Claude 85, Gemini 90 pontot adott, mert lelet esetén nincs biztos jogalap, ChatGPT 50-et, mert igazolt tő nélkül semleges becslést adott. A legnagyobb bizonytalanság a célzott FD-szemle és a hektáradat hiánya, ezért a pontosabb értékhez Kárpátalján és a déli borvidékeken laborral igazolt felmérés és számszerű kabócafogás 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 | Nincs igazolt FD, ez adat, de a 0 ismert nem mentesség.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 0 | not given | A | Ukrajnában nincs hivatalosan igazolt FD-előfordulás, ezért a szabályzat szerint E1 = 0. |
| OpenAI ChatGPT | 0 | not given | A | Igazolt FD-lelet hiányában 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.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 0 | not given | A | Nincs igazolt FD, ezért a szabályzat szerint E1a = 0. |
| OpenAI ChatGPT | 0 | not given | A | Igazolt FD-góc hiányában nincs a feladat szerint számítandó kitett terület. |
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 tő.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 00% | not given | A | Nincs igazolt FD, ezért a szabályzat szerint I = 0. |
| OpenAI ChatGPT | 00% | not given | A | Igazolt FD hiányában előírt nulla, nem mintapozitivitásból számolt arány. |
T9 — Introduction pressure
MethodologyFinal value: 72.2 · central value: 72.2 (median: 72 · mean: 72.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (58–85) | B | Szlovák góc kb. 5 km-re, magyar 45–60 km-re, Botoșani és Moldova új lelete, a szaporítóanyag-forgalom nem mért.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/UA.md |
| Google Gemini | 76 | (65–86) | A | Szlovákiában (Tibava ~5 km), Magyarországon (Sárospatak ~45 km), Romániában (Botoșani) és 2026 augusztusától Moldovában (anyatelepeken is) igazolt FD-gócok vannak a határok mentén. |
| OpenAI ChatGPT | 69 | (50–84) | C · data gap | Szlovák és magyar határközeli gócok mellett román és moldovai nyomás is van, nem minden helyszín távolsága ismert.Knowledge base: C, I, J |
T1 — Leafhopper distribution
MethodologyFinal value: 12.2 · central value: 12.2 (median: 12 · mean: 12.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 13 | (8–45) | B · data gap | Csak Kárpátalja (10–13 %) igazolt két szezonon belül, a déli megyék felderítetlenek.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 12 | (8–25) | A | A vektor 2017 óta jelen van Kárpátalján (~3,4 ezer ha, az országos ~29–34 ezer ha ~10–12%-a), a déli fő borvidékeken hatóságilag nem igazolt. |
| OpenAI ChatGPT | 12 | (4–35) | C · data gap | Kárpátaljai előfordulás igazolt, friss kétszezonos országos megyei felmérés és egységes területi keret nincs.Knowledge base: B, J |
T2 — Leafhopper density
MethodologyFinal value: 40.2 · central value: 40.2 (median: 40 · mean: 40.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 40 | (10–70) | C · data gap | Egyed/csapda adat nincs, csak kárpátaljai minőségi jelzés.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 42 | (20–68) | C | Adathiány: nincs hatósági sűrűségmérés, csak kárpátaljai egyetemi megfigyelések jelzik a vektor rendszeres házikerti jelenlétét. |
| OpenAI ChatGPT | 39 | (13–73) | C · data gap | Kezelés előtti lárvasűrűség, kezeletlen fogássor és elkülönített kezelés utáni adat egyaránt hiányzik.Knowledge base: B, E, J |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 88.3 · central value: 88.3 (median: 88 · mean: 88.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (75–96) | B | Se kötelezés, se felhívás a vektorra, a kezelés más kártevőre megy.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 92 | (80–98) | B | Nincs kötelező vagy ajánlott védekezés az amerikai szőlőkabóca ellen; az árutermő szőlőkben csak általános rovar- és atkaölő kezelések zajlanak. |
| OpenAI ChatGPT | 86 | (61–97) | C · data gap | FD-vektorra célzott kötelező program nem igazolt, az általános rovarkezelés lefedettsége nem helyettesíti ezt.Knowledge base: D, E, J |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 93.3 · central value: 93.3 (median: 93 · mean: 93.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 92 | (78–98) | C · data gap | FD-célú felszámolási szabály nincs, háborús pusztulás is.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 96 | (88–100) | C | A felhagyott és háború sújtotta ültetvényekben nincs semmilyen kabócairtási vagy felszámolási program. |
| OpenAI ChatGPT | 93 | (70–99) | C · data gap | FD-vektorra célzott menedékfelszámolás és országos teljesítési adat nem dokumentált.Knowledge base: D, E, J |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 90.7 · central value: 90.7 (median: 90 · mean: 91.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 90 | (78–97) | B | Kárpátalján 69 % háztartási szőlő, kötelezés és tájékoztatás nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 95 | (85–100) | B | Kárpátalján a szőlőterület 69%-a háztartási (házikerti), ahol sem kötelezettség, sem célzott tájékoztatás nincs az amerikai szőlőkabóca ellen. |
| OpenAI ChatGPT | 89 | (64–98) | C · data gap | A jelentős házikerti szegmensben célzott kötelezés és ellenőrzött kezelési arány nem ismert.Knowledge base: D, J |
T4 — Shortfall in control quality
MethodologyFinal value: 78.8 · central value: 78.8 (median: 78 · mean: 79.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (62–90) | A | A hatósági előrejelzés nem említi a vektort, időzítési útmutatás nincs, a szerlista nem ellenőrzött.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 85 | (72–94) | A | A 2026-os kárpátaljai hatósági előrejelzés meg sem említi a Scaphoideus titanust (időzítési útmutatás nincs), a szerregiszterben nincs rá célzott szer. |
| OpenAI ChatGPT | 76 | (51–92) | C · data gap | A regiszter léte önmagában nem bizonyít megfelelő FD-vektorprogramot, helyi stádiumalapú tanácsadás nem igazolt.Knowledge base: E, J |
T7 — Lack of awareness about control
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 | 88 | (75–96) | B | Hatósági FD-tájékoztatás nincs, egyetlen szaksajtóhír.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 88 | (75–95) | A | A hatósági előrejelzés hallgat az FD-ről és vektoráról; csak egyetlen szaksajtócikk figyelmeztetett a magyarországi betegségre 2025 őszén. |
| OpenAI ChatGPT | 89 | (67–98) | C · data gap | A regionális előrejelzésből hiányzik az FD-vektor, a célzott értesítéssel elért gazdák aránya ismeretlen.Knowledge base: G, J |
T10 — Lack of source removal
MethodologyFinal value: 80 · central value: 80 (median: 85 · mean: 75) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 85 | (60–98) | C · data gap | Nincs igazolt tő, a nevező 0; lelet esetén a kivágás jogalapja 2028-ig bizonytalan.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 90 | (70–100) | B | Nincs igazolt tőke, de mivel az FD nem szerepel a hatályos karanténlistán (az EU-mintájú törvény csak 2028-ban lép hatályba), a kötelező kivágás jogalapja hiányzik. |
| OpenAI ChatGPT | 50 | (15–90) | C · data gap | Igazolt eset és határidős nevező nincs, ezért ez kötelezően megadott semleges becslés, nem megfigyelt mulasztási arány.Knowledge base: D, J |
T11 — Lack of economic capacity for control
MethodologyFinal value: 72.5 · central value: 72.5 (median: 72 · mean: 73) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 65 | (45–82) | B | Importnyomás, háború, gyenge fizetőképesség, ár/önköltség nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/UA.md |
| Google Gemini | 82 | (70–92) | B | A háborús gazdasági helyzet, a magas importnyomás és a kis árutermő szektor miatt hiányzik a forrás a célzott védekezésre és szerfejlesztésre. |
| OpenAI ChatGPT | 72 | (44–91) | C · data gap | A háborús és termelési korlátok gyengítik a finanszírozható védekezést, országos ár–önköltség-adat nélkül.Knowledge base: I, J |
T6 — Propagating-material pathway
MethodologyFinal value: 76.7 · central value: 76.7 (median: 78 · mean: 75.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (65–92) | B | Az FD nincs a listán, a faiskolai hálózat leépült, a házi szaporítás jellemző.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 78 | (65–88) | A | Az FD nincs a hatályos karanténlistán; az import szaporítóanyag gyakran látensen fitoplazmás (BN), Kárpátalján pedig elterjedt a házi szaporítás. |
| OpenAI ChatGPT | 68 | (41–89) | C · data gap | Intézeti ellenőrzés létezik, de a szabályozási átmenet és az ismeretlen informális forgalom jelentős rést hagy.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 | B | Ősszel a skála szerint 50.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | – | not given | B | Őszi futásnál a szabályzat szerint rögzített 50 pont. |
| OpenAI ChatGPT | – | not given | C | Az őszi futás előírt semleges értéke. |
G1 — Unsurveyed share, commercial
MethodologyFinal value: 96.3 · central value: 96.3 (median: 97 · mean: 95.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 97 | (90–100) | C · data gap | FD-szemle nem ismert, semmilyen hektáradat nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 98 | (90–100) | C | Nincs célzott hatósági FD-felderítési program az árutermő szőlőkben. |
| OpenAI ChatGPT | 92 | (68–99) | C · data gap | Július 20.–szeptember 30.: hatósági, csoportos, drónos és egyéb FD-szemle hektárja és dátuma nem ismert.Knowledge base: D, F, J |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 97.7 · central value: 97.7 (median: 98 · mean: 97.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 98 | (92–100) | C · data gap | Háztartási szőlőben szemle nem ismert.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 99 | (92–100) | A | A kárpátaljai szőlők 69%-át adó házikertekben nincs hatósági FD-szemle. |
| OpenAI ChatGPT | 95 | (77–99) | C · data gap | A házikerti FD-szemlék országos számlálója és nevezője hiányzik.Knowledge base: D, J |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 96.5 · central value: 96.5 (median: 96 · mean: 97) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 96 | (85–99) | C · data gap | A felhagyott terület és a szemle sem ismert.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 99 | (92–100) | C | A felhagyott és háború miatt műveletlen szőlőkben nincs FD-felderítés. |
| OpenAI ChatGPT | 96 | (78–99) | C · data gap | A felhagyott szőlők célzott FD-felderítési lefedettsége nem dokumentált.Knowledge base: D, J |
G2 — Survey unreliability
MethodologyFinal value: 86 · central value: 86 (median: 88 · mean: 84) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (72–96) | C · data gap | FD-szemleprotokoll nem ismert.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 88 | (75–96) | C | Nincs hatósági FD-szemleprotokoll és célzott szemlézői képzés, csak az odesszai kutatóintézet végez eseti tudományos felméréseket. |
| OpenAI ChatGPT | 76 | (47–94) | C · data gap | Szakintézeti tudás van, országos FD-szemlézői képzés és egységes terepi gyakorlat nem igazolt.Knowledge base: A, D, G |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 99 · central value: 99 (median: 99 · mean: 99) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 99 | (94–100) | C | Gépi előszűrés nem ismert.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 24_taverzekeles_kepfelismeres_mi.md, orszagok/UA.md |
| Google Gemini | 100 | (95–100) | C | Ukrajnában nincs gépi vagy drónos FD-előszűrés. |
| OpenAI ChatGPT | 98 | (86–100) | C · data gap | Működő, validált FD-gépi előszűrésről nincs adat.Knowledge base: F, J |
G3 — Lack of lab confirmation
MethodologyFinal value: 89.5 · central value: 89.5 (median: 90 · mean: 89) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 92 | (75–99) | C · data gap | PCR-kapacitás van, de FD-gyanút nem mintáznak szervezetten.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 90 | (75–98) | C | Bár a Taírov Intézetben van PCR-kapacitás, rutin hatósági FD-mintavétel és laborvizsgálat nem működik. |
| OpenAI ChatGPT | 85 | (53–98) | C · data gap | PCR-képesség létezik, de a gyanúk, a mintázatlan esetek és a harmincnapos FD-eredmények aránya ismeretlen.Knowledge base: D, E, J |
G6 — Difficulty of notification
MethodologyFinal value: 76.7 · central value: 76.7 (median: 78 · mean: 75.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 85 | (68–95) | C | FD-re nincs bejelentési út, a hatóság nem köteles eljárni.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 78 | (65–88) | B | Az FD nem szerepel a hatályos szabályozott károsítók listáján, így dedikált bejelentési út sincs (az új törvény 2028-ban lép hatályba). |
| OpenAI ChatGPT | 63 | (38–86) | C · data gap | Általános hatósági kapcsolat lehetséges, világos FD-specifikus, követhető bejelentési út nem igazolt.Knowledge base: D, J |
G8 — Disincentives to notify
MethodologyFinal value: 69.5 · central value: 69.5 (median: 68 · mean: 71) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 60 | (40–82) | C · data gap | Nincs kártalanítás, de kivágási kötelezettség sincs, így a bejelentés most közel semleges.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/UA.md |
| Google Gemini | 85 | (70–95) | C | FD-re nincs kártalanítási rendszer (az új növényvédelmi törvény költségtérítési szabályai csak 2028-tól lépnek életbe). |
| OpenAI ChatGPT | 68 | (38–89) | C · data gap | FD-specifikus működő térítés, értékarány és kifizetési idő nem ismert, bejelentői szankciót nem feltételeztem.Knowledge base: D, I, J |
G11 — Lack of economic interest in detection
MethodologyFinal value: 67.7 · central value: 67.7 (median: 66 · mean: 69.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (40–80) | C · data gap | Háztartási túlsúly és zsugorodó piac, közvetlen adat nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/UA.md |
| Google Gemini | 80 | (65–90) | C | A háztartási szőlők magas aránya és a háborús gazdasági nehézségek miatt minimális a termelői érdekeltség a saját felderítésben. |
| OpenAI ChatGPT | 66 | (38–88) | C · data gap | A gazdasági bizonytalanság korlátozza a saját keresésre jutó erőforrást, szándékos elhallgatás 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 kezelés, az ukrán hővízkezelési adat bois noirra szól.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/UA.md |
| Google Gemini | 95 | (90–100) | C | Nincs engedélyezett vagy szabadföldön igazolt gyógymód az FD-re. |
| OpenAI ChatGPT | 75 | (70–91) | C | A nemzetközi FD-kutatásban laborhatás ismert, hozzáférhető igazolt terepi 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 fajtaregiszterben az FD-ellenállás nem szempont.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/UA.md |
| Google Gemini | 100 | (99–100) | C | Igazoltan FD-ellenálló szőlőfajtával beültetett terület nincs. |
| OpenAI ChatGPT | 100 | (99–100) | C | Valódi FD-ellenállást igazoló, ilyen fajtákkal telepített terület nincs dokumentálva.Knowledge base: A, H, I |
V3 — Lack of recovery
MethodologyFinal value: 66.5 · central value: 66.5 (median: 66 · mean: 67) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 66 | (50–82) | C | Csak külföldi adat, a hazai fajtákon nincs megfigyelés.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 02_korokozo_biologia_genotipusok.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/UA.md |
| Google Gemini | 85 | (75–95) | C | Gyakorlatban alkalmazható, tartós fertőzésmentességet adó gyógyulás nem igazolt. |
| OpenAI ChatGPT | 50 | (39–69) | C | Egyes fajták tartós természetes felgyógyulását igazolták, rutinszerűen előidézhető módszer nincs.Knowledge base: A, H, I |
V4 — General plant-health condition
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 | 62 | (45–78) | B | Kárpátalján harmadik aszályos év, délen fagy és gombanyomás, országos index nincs.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/UA.md |
| Google Gemini | 74 | (60–85) | B | Kárpátalján 2026 a harmadik egymást követő aszályos év volt, keleten tavaszi fagyok (–9 °C), délen gombás betegségek gyengítették az állományt. |
| OpenAI ChatGPT | 72 | (49–89) | C · data gap | Kárpátalján tartós aszály, más térségekben eltérő stresszek jelentkeztek, országos szőlőterületi súlyozás nincs.Knowledge base: I, J |
V5 — Lack of resources for community treatment and research
MethodologyFinal value: 82.5 · central value: 82.5 (median: 82 · mean: 83) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 82 | (68–92) | C · data gap | FD-célú keret nem ismert, háborús költségvetés.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/UA.md |
| Google Gemini | 88 | (75–96) | C | Nincs elkülönített állami vagy ágazati forrás FD-kutatásra és közösségi kezelésre. |
| OpenAI ChatGPT | 79 | (57–94) | C · data gap | Elkülönített és elérhető hazai FD-gyógymód-, fajta- és közösségi kezelési keret nem dokumentált.Knowledge base: H, I, J |
V6 — Lack of a market for development
MethodologyFinal value: 73.2 · central value: 73.2 (median: 74 · mean: 72.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 65 | (42–82) | B | Zsugorodott terület, kis borászatok nőnek, háborús torzítás.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/UA.md |
| Google Gemini | 78 | (65–88) | B | A háború miatt ~26–34 ezer ha-ra zsugorodott terület és erősen negatív külkereskedelmi mérleg mellett is nyílnak kis pincészetek és új borregiszter készül. |
| OpenAI ChatGPT | 74 | (49–90) | C · data gap | A sérült hazai piac gyenge fizetőképes keresletet ad, a nemzetközi fejlesztési piac azonban fennmarad.Knowledge base: I, J |
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 vagy kijelölt tő, nevező kb. 26–34 ezer ha.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/UA.md |
| Google Gemini | 00% | not given | A | Nincs igazolt FD, ezért a szabályzat szerint J = 0. |
| OpenAI ChatGPT | 00% | not given | A | Igazolt FD hiányában a feladat szerint nulla, a nem igazolt sajtóemlítések nem képeznek számlálót. |
Expert estimate, not official data.