MétaCan
Menu
Retour à la cohorte
Enregistrement W2160861207 · doi:10.1111/j.1556-4029.2007.00408.x

Use of a Solid Absorbent and an Accelerant Detection Canine for the Detection of Ignitable Liquids Burned in a Structure Fire

2007· article· en· W2160861207 sur OpenAlexaff
Mark P. Nowlan, Allan W. Stuart, Gene J. Basara, P. Mark L. Sandercock

Notice bibliographique

RevueJournal of Forensic Sciences · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueForensic Fingerprint Detection Methods
Établissements canadiensRoyal Canadian Mounted PoliceUniversity of Fredericton
Organismes subventionnairesnon disponible
Mots-clésGasolineWaste managementEnvironmental sciencePoison controlResidue (chemistry)Gas chromatography–mass spectrometryChromatographyMass spectrometryMaterials scienceChemistryEngineeringOrganic chemistryMedicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

Ignitable Liquid Absorbent (ILA), a commercial solid absorbent intended to assist fire scene investigators in sample location and collection, has been field tested in three separate room fires. The ability of the ILA to detect and absorb different amounts of gasoline, odorless paint thinner, and camp fuel on two different substrates after a full-scale burn was assessed against results from an accelerant detection canine and laboratory analysis using gas chromatography-mass spectrometry (GC-MS). The canine correctly alerted on most of the panels that contained an ignitable liquid after the fire, while the ILA indicator dye failed to indicate in the presence of gasoline and camp fuel. GC-MS results for ignitable liquid residue from each panel and from the ILA showed that ILA absorbed odorless paint thinner and camp fuel from most of the test panels, but failed to absorb gasoline from the panels on which gasoline was confirmed to be present.

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)0,002
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,071
Tête enseignante GPT0,382
Écart entre enseignants0,311 · 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

Citations14
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetForensic Fingerprint Detection MethodsTravaux en français237 207