MétaCan
Menu
Retour à la cohorte
Enregistrement W2033535933 · doi:10.7901/2169-3358-2001-2-991

CHARACTERIZATION OF OIL-MINERAL AGGREGATES

2001· article· en· W2033535933 sur OpenAlexaff
Kenneth Lee, Patricia Stoffyn-Egli

Notice bibliographique

RevueInternational Oil Spill Conference Proceedings · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésOil dropletMineralMineral oilAggregate (composite)BuoyancyCharacterization (materials science)Materials scienceMineralogyChemical engineeringChemistryNanotechnologyEmulsionOrganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Oil associates with fine mineral particles in an aqueous medium not only as molecules adsorbed on mineral surfaces, but also as a discrete phase to form microscopic oil-mineral aggregates (OMA). On the basis of recent studies, OMA formation now is believed to be instrumental in the natural recovery of oil spill impacted shorelines and in the efficacy of cleanup techniques such as surf washing. A better understanding of the nature and properties of OMA will help predict the fate of oil spilled in the aquatic environment. This work describes the various instruments and methods currently available for the detection and identification of OMA. Three types of OMA have been characterized by microscopy techniques: droplet, solid, and flake aggregates. Droplet aggregates are oil droplets (usually a few μm in diameter) surrounded by individual or aggregated mineral particles. Solid aggregates are a mixture of oil and minerals blended into microscopic bodies of various shapes. Flake aggregates are thin sheets reaching several millimeters across in which mineral and oil are arranged in a regular pattern. Energy from breaking waves facilitates OMA formation. Once formed, OMA appear to be very stable structures the buoyancy of which depends on the ratio of oil to mineral in each individual aggregate.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,226
Écart entre enseignants0,213 · 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'étudeObservationnel
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

Citations30
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Oil Spill Conference ProceedingsMême sujetOil Spill Detection and MitigationTravaux en français237 207