MétaCan
Menu
Retour à la cohorte
Enregistrement W1995876932 · doi:10.1021/ac0003495

Bias Assessment of Current Technologies Used for the Determination of Low Levels of Moisture in Mineral Oil Samples

2001· article· en· W1995876932 sur OpenAlexaff
Roland Gilbert, Jocelyn Jalbert, Pierre Tétreault

Notice bibliographique

RevueAnalytical Chemistry · 2001
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensHydro-Québec
Organismes subventionnairesNational Institute of Standards and Technology
Mots-clésChemistryTitrationCoulometryMoistureAnalytical Chemistry (journal)AnalyteRelative humidityChromatographyWater contentAdsorptionThermodynamicsElectrodeElectrochemistryInorganic chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The problem in the current debate on the accuracy of Karl Fischer (KF) titrations lies in the fact that coulometry is being compared to volumetry on mineral oil samples for which the true moisture content is unknown. To clarify this point, dehydrated oil samples equilibrated under known temperature and relative humidity conditions and equilibrated oil samples containing known amounts of added moisture were used to assess the accuracy of the determinations. In addition, the measurements were extended to other techniques given that it is unlikely that they would be affected by the same phenomenon causing the KF systematic errors. The samples sent to different laboratories were analyzed by headspace/capillary gas chromatography, gas-phase H2 sensor, oil-phase or gas-phase RH sensors, KF coulometric titration with direct or indirect injection, and KF volumetric titration using a standard or NIST modified procedure. The laboratory comparison showed that with the exception of 4 techniques out of 10 that were tested, the measurements gave results in the expected concentration range. Considering the exceptions, two techniques based on volumetric titration yielded results tainted with an important positive bias for both sample types. This bias, tentatively associated with the high iodine end point concentration used by these systems, was estimated at approximately 22 ppm under the conditions applied by NIST. On the other hand, the two RH sensors showed a marked tendency to underestimate the value of the samples containing high moisture content. In this case, a loss of analyte through wall adsorption during the time required to achieve steady-state conditions in the measuring chamber seems to be at the origin of the negative biases.

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)0,017
score de la tête « metaresearch » (Gemma)0,024
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: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,066
Tête enseignante GPT0,331
Écart entre enseignants0,265 · 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

Citations5
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetAnalytical Chemistry and SensorsTravaux en français237 207