MétaCan
Menu
Retour à la cohorte
Enregistrement W2151234858

PHYSICAL AND MECHANICAL PROPERTIES OF PANEL BASED ON OUTER BARK PARTICLES OF WHITE BIRCH: MIXED PANELS WITH WOOD PARTICLES VERSUS WOOD FIBRES PROPIEDADES FÍSICAS Y MECÁNICAS DE PANELES A BASE DE PARTÍCULAS DE CORTEZA EXTERNA DE ABETO BLANCO: MEZCLA DE PANELES CON PARTÍCULAS DE MADERA VERSUS

2008· article· es· W2151234858 sur OpenAlexaboutno aff
Roger Pedieu, Bernard Riedl, André Pichette

Notice bibliographique

Revuenon disponible
Typearticle
Languees
DomaineMaterials Science
ThématiqueEngineering and Material Science Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBark (sound)Composite materialMaterials scienceParticle boardCore (optical fiber)Oriented strand boardComposite numberLayer (electronics)Forestry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The use of outer white birch bark in canoes is an example of its oldest use by the fi rst nations in Canada. This use confi rms the hydrophobic characteristics of this bark, which can be capitalized on by using it in the outer layers of three-layer mixed composite panels in order to protect them from water infi ltration from their surface. These panels were made up of outer white birch bark particles in the surface layers with coarse wood particles or wood fi bres in the core layer. A factorial experiment used in a complete block design permitted to carry a suitable statistical analysis of measured properties. The two main considered factors were respectively the bark percentages in the surface layers with three levels and the type of material used in the core with two levels. Four replicates were done for each panel. The panels with wood particles in the core layer gave physical and mechanical properties satisfying the indoor requirements for particleboards and those with wood fi bres in the core layer passed the requirement of medium fi bres density board. Panel with 45% bark particles in the surface and 55% wood particles in the core was selected as the best because of its good dimensional stability.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,083
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,086
Tête enseignante GPT0,285
Écart entre enseignants0,199 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEngineering and Material Science ResearchTravaux en français237 207