MétaCan
Menu
Retour à la cohorte
Enregistrement W2018366354 · doi:10.15376/biores.8.2.1997-2009

Water-Based and Solvent-Based Stains: Impact on the Grain Raising in Yellow Birch

2013· article· en· W2018366354 sur OpenAlexaff
Véronic Landry, Pierre Blanchet, Lyne M. Cormier

Notice bibliographique

RevueBioResources · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensFPInnovations
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceVeneerRaising (metalworking)HardwoodSurface finishYellow birchSolventSurface roughnessProfilometerComposite materialPulp and paper industryMetallurgyChemistryBotanyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Water-based finishes are slowly replacing solvent-based finishes in the wood industry. Wood grain raising is an important issue associated with the use of water-based stains. In this paper, water-based and solvent-based stains were applied on yellow birch veneers and hardwood samples that had been previously sanded. Grain raising phenomena were studied by profilometry and microscopy. This study demonstrated that the appearance of wood surfaces treated with water-based and solvent-based stains is affected by a number of factors, including grain raising, surface preparation quality, and substrate type. Main observations are: 1) the sanding method has an important role in the grain raising generation and finish quality; 2) profilometry experiments revealed that developed interfacial area parameter can provide valuable information, as it captures both grain roughness and small-scale roughness due to raised fiber fragments; 3) differences between sawn lumber and peeled veneer appeared minor, although the lumber exhibited less significant differences between water-based and solvent-based finishing systems; and 4) wood fragments on the wood surface would be difficult to eliminate.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,296
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,209
Écart entre enseignants0,192 · 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 tête enseignante, 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

Citations22
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetWood Treatment and PropertiesTravaux en français237 207