MétaCan
Menu
Retour à la cohorte
Enregistrement W2147727171 · doi:10.1186/1752-153x-7-75

Partitioning of silver and chemical speciation of free Ag in soils amended with nanoparticles

2013· article· en· W2147727171 sur OpenAlexafffund
Rachel Benoit, Kevin J. Wilkinson, Sébastien Sauvé

Notice bibliographique

RevueChemistry Central Journal · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSoil waterChemistrySorptionSilver nanoparticleGenetic algorithmEnvironmental chemistryDissociation (chemistry)Leaching (pedology)Organic matterAdsorptionIonNanoparticleInorganic chemistryNanotechnologyOrganic chemistrySoil scienceMaterials scienceGeologyEcology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Knowledge about silver nanoparticles in soils is limited even if soils are a critical pathway for their environmental fate. In this paper, speciation results have been acquired using a silver ion selective electrode in three different soils. RESULTS: Soil organic matter and pH were the most important soil properties controlling the occurrence of silver ions in soils. In acidic soils, more free silver ions are available while in the presence of organic matter, ions were tightly bound in complexes. The evolution of the chemical speciation of the silver nanoparticles in soils was followed over six months. CONCLUSION: During the first few hours, there appeared to be a strong sorption of the silver with soil ligands, whereas over time, silver ions were released, the final concentration being approximately 10 times higher than at the beginning. Ag release was associated with either the oxidation of the nanoparticles or a dissociation of adsorbed silver from the soil surfaces.

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 enseignants0,003
Score d'incertitude au seuil0,006

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,183
Écart entre enseignants0,177 · 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

Citations99
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemistry Central JournalMême sujetHeavy metals in environmentTravaux en français237 207