MétaCan
Menu
Retour à la cohorte
Enregistrement W1898116897 · doi:10.1139/l09-136

Traitement des lisiers de porc par un procédé de biofiltration : Étude de formation du méthaneLe présent ouvrage fait partie d'une série d'articles publiés dans ce numéro spécial sur le traitement biologique de l'air.

2009· article· fr· W1898116897 sur OpenAlexaffvenue
Paul Lessard, Catherine Bourgault, Yann LeBihan, Nicolás Turgeon, Geneviève Aubry, Gerardo Buelna

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2009
Typearticle
Languefr
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversité LavalCentre de Recherche Industrielle du Québec
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Il est admis que la production de méthane (CH4) à partir de la décomposition de la matière organique est effectuée par des microorganismes méthanogènes en condition anaérobie. C’est pour cette raison que le CH4, un gaz à effet de serre (GES) possédant un pouvoir de réchauffement global (PRG) équivalent à 25 fois celui du CO2, n’est généralement pas considéré dans les protocoles de quantification de GES concernant les procédés de traitement d’eaux usées par voie aérobie. Or, selon le type de procédé aérobie et les conditions d’opération, du méthane peut effectivement être produit. Cette note technique montre des résultats obtenus lors d’essais pilotes en laboratoire avec un biofiltre traitant du lisier de porc. Il en ressort clairement que la formation de méthane est possible avec ce type de procédé, et que les concentrations générées peuvent être non négligeables. Par conséquent, cet élément doit donc être pris en compte pour l’optimisation des procédés de traitement aérobie en rapport aux aspects liés à la réduction des GES et la lutte aux changements climatiques.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,188
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207