MétaCan
Menu
Retour à la cohorte
Enregistrement W2126995323 · doi:10.1142/s0219581x11008228

A REVIEW OF ASSEMBLED POLYACRYLONITRILE-BASED CARBON NANOFIBER PREPARED ELECTROSPINNING PROCESS

2011· review· en· W2126995323 sur OpenAlexaff
Agung Mataram, Ahmad Fauzi Ismail, Mohd Sohaimi Abdullah, Be Cheer Ng, T. MATSUURA

Notice bibliographique

RevueInternational Journal of Nanoscience · 2011
Typereview
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPolyacrylonitrileElectrospinningMaterials scienceNanofiberPolymerVolumetric flow rateFiberComposite materialNanotechnologyNanometrePolymer solutionChemical engineering

Résumé

récupéré en direct d'OpenAlex

Electrospinning is a very simple and versatile process by which polymer nanofibers with diameters ranging from a few nanometers to several micrometers can be produced using an electrostatically driven jet of polymer solution (or polymer melt). Significant progress has been made in this process throughout the last decade and the resultant nanostructures have been exploited to a wide range of applications. An important feature of the electrospinning process is that electrospinning nanofibers are produced in atmospheric air and at room temperature. This paper reviews the assembled polyacrylonitrile (PAN)-based carbon nanofibers with various processing parameters such as electrical potential, distance between capillary and collector drum, solution flow rate (dope extrusion rate), and concentration of polymer solution. The average fiber diameter would increase with increasing concentration of the polymer solution and the flow rate. Therefore, the screen distance could also increase but the average electrical potential of the fibers diameter decreases. Electrospinning process can be conducted at higher electrical potentials, lower flow rate, nearer screen distance, and higher concentrations of dope.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,032
Tête enseignante GPT0,375
Écart entre enseignants0,343 · 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

Citations11
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of NanoscienceMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207