MétaCan
Menu
Retour à la cohorte
Enregistrement W2047335062 · doi:10.1002/rem.20079

Nanotechnology and groundwater remediation: A step forward in technology understanding

2006· article· en· W2047335062 sur OpenAlexaboutno aff
Christian Macé, Steve Desrocher, Florin Gheorghiu, Allen Kane, M. PUPEZA, Miroslav Černík, Petr Kvapil, R. Venkatakrishnan, Wei‐xian Zhang

Notice bibliographique

RevueRemediation Journal · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueEnvironmental remediation with nanomaterials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental remediationGroundwaterContaminated groundwaterGroundwater remediationEnvironmental scienceZerovalent ironHydrogeologyNanotechnologyBiochemical engineeringEngineeringContaminationMaterials scienceChemistryEcologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Nanotechnology application to contaminated site remediation, and especially the use of nanoscale zero‐valent iron particles to treat volatile organic compound (VOC)‐impacted groundwater, is now recognized as a promising solution for cost‐effective in situ treatment. Results obtained during numerous pilot tests undertaken by Golder Associates between 2003 and 2005 in North America (United States and Canada) and Europe have been used to present a synthetic cross‐comparison of technology dynamics. The importance of a comprehensive understanding of the site‐specific geological, hydrogeological, and geochemical conditions, the selection of appropriate nanoscale particles, the importance of monitoring geochemical parameters during technology application, and the potential of nanoparticle impact on microbial activity are discussed in this article. The variable technology dynamics obtained during six pilot tests (selected among numerous other tests) are then presented and discussed. © 2006 Wiley Periodicals, Inc.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,005
Science ouverte0,0000,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,009
Tête enseignante GPT0,197
Écart entre enseignants0,188 · 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'étudeSans objet
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

Citations73
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemediation JournalMême sujetEnvironmental remediation with nanomaterialsTravaux en français237 207