MétaCan
Menu
Retour à la cohorte
Enregistrement W2228226530

Effects of pH on lap-shear strength for aspen veneer

2013· article· en· W2228226530 sur OpenAlexafffund
Xiaodong Wang, Zeen Huang, Paul Cooper, Xiang‐Ming Wang, Yaolin Zhang, Romulo Casilla

Notice bibliographique

RevueWood and Fiber Science (Society of Wood Science and Technology) · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Resources CanadaUniversity of Toronto
Mots-clésVeneerHemicelluloseAdhesiveLigninBond strengthComposite materialShear strength (soil)ChemistryMaterials scienceDurabilityPulp and paper industryEnvironmental scienceLayer (electronics)Organic chemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study is one part of a whole project called "Impact of Extreme pH of Structural Adhesives on Bond Durability."The objective of this study was to evaluate effects of pH on woodadhesive bond strength and chemical change in aspen (Populus tremuloides Michx) wood caused by extreme pH exposures.Aspen veneer lap-shear samples were tested for maximum stress (N/mm 2 ) and wood failure (%) after exposure to soaking in different buffered solutions (pH ¼ 2.0, 2.5, 3.0; water, 10.0, 11.0, 11.5, 12.0, and 12.5) for 1, 4, and 7 mo.One set of samples stored in laboratory conditions was also tested as a control at each test time.Results indicated that bond strength and wood failure decreased after 4-and 7-mo exposures to acidic conditions but did not change significantly under alkaline exposures.However, the buffered acidic solutions (pH ¼ 2.0 and 3.0) did not cause a measurable chemical change in aspen wood, whereas losses in hemicellulose and lignin were found after aspen wood specimens had been exposed to pH 11.0 buffered solutions.

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 enseignants0,002
Score d'incertitude au seuil0,005

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,196
Écart entre enseignants0,190 · 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

Citations3
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWood and Fiber Science (Society of Wood Science and Technology)Même sujetWood Treatment and PropertiesTravaux en français237 207