MétaCan
Menu
Retour à la cohorte
Enregistrement W2008517476 · doi:10.1002/app.40359

Recent advances in bio‐sourced polymeric carbohydrate/nanotube composites

2014· article· en· W2008517476 sur OpenAlexaff
Dagang Liu, Ying Zhang, Xun Sun, Peter R. Chang

Notice bibliographique

RevueJournal of Applied Polymer Science · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of SaskatchewanAgriculture and Agri-Food Canada
Organismes subventionnairesQinglan Project of Jiangsu Province of ChinaPriority Academic Program Development of Jiangsu Higher Education InstitutionsGovernment of Jiangsu ProvinceNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésCarbon nanotubeMaterials scienceComposite materialNanocompositeHalloysitePolymerNanotubeNanotechnology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Nanotubes (NTs), especially carbon nanotubes (CNTs), have attracted much attention in recent years because of their large specific surface area, and their outstanding mechanical, thermal, and electrical properties. In this review we emphasize the development of fascinating properties of polymeric carbohydrate/CNT composites, particularly in terms of their mechanical and conductivity properties and potential applications. Many methods used to modify CNTs during preparation of polymeric carbohydrate/CNT composites are presented. Moreover, we also discuss the enhanced mechanical and electrical effectiveness when hybrid CNTs or halloysite nanotubes were incorporated into different carbohydrate polymer matrices. Finally, we give a future outlook for the development of polymeric carbohydrate/CNT composites as potential alternative materials for various applications including sensors, electroactive paper, electrodes, sorbents for environmental remediation, packaging film, specialty textile, and biomedical devices. © 2014 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2014, 131, 40359.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,006
Tête enseignante GPT0,216
Écart entre enseignants0,210 · 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
GenreSynthèse

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

En bref

Citations25
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207