MétaCan
Menu
Retour à la cohorte
Enregistrement W2120061415 · doi:10.1002/app.42336

Characterization of four different lignins as a first step toward the identification of suitable end‐use applications

2015· article· en· W2120061415 sur OpenAlexafffund
Farshad Oveissi, Pedram Fatehi

Notice bibliographique

RevueJournal of Applied Polymer Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensLakehead University
Organismes subventionnairesNuclear Safety and Security CommissionNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésLigninLignosulfonatesKraft paperSulfiteKraft processChemistryOrganosolvMaterials scienceChemical engineeringNuclear chemistryPulp and paper industryOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

ABSTRACT To determine the most appropriate use of lignin, surface, structural, and thermal characteristics of lignin was investigated in this work. It was observed that kraft lignin (KL), the lignin of prehydrolysis liquor (LPHL), lignosulfonate of NSSC process (LSL), and lignosulfonates (LSs) of sulfite pulping process had 0.67, 0.25, 0.90, and 1.52–2.25 meq/g anionic charge density, and 6.3, 2.1, 10.1, and 8.8–10.1 nm hydrodynamic diameter, respectively. These results suggested that LSL and LSs could be used more effectively than other lignin as filler modifiers, flocculants, and dispersants. The combustion studies of the lignin samples suggested that KL and LPHL combusted more efficiently than other samples, as they had high heating (calorific) values of 27.02 and 19.2 MJ/kg, the apparent activation energy of 126.64 and 99.14 kJ/mol based on Flynn–Wall–Ozawa method and 122.16 and 94.73 kJ/mol based on Kissinger–Akahira–Sunose and no ash, respectively. © 2015 Wiley Periodicals, Inc. J. Appl. Polym. Sci. 2015, 132, 42336.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0010,001
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 Opus0,019
Tête enseignante GPT0,220
Écart entre enseignants0,201 · 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

Citations28
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetLignin and Wood ChemistryTravaux en français237 207