MétaCan
Menu
Retour à la cohorte
Enregistrement W2256616625 · doi:10.4236/aim.2016.61006

A Review Article: Electrokinetic Bioremediation Current Knowledge and New Prospects

2016· review· en· W2256616625 sur OpenAlexaff
Ikrema Hassan, Eltayeb Mohamedelhassan, Ernest K. Yanful, Ze‐Chun Yuan

Notice bibliographique

RevueAdvances in Microbiology · 2016
Typereview
Langueen
DomaineEngineering
ThématiqueElectrokinetic Soil Remediation Techniques
Établissements canadiensLakehead UniversityAgriculture and Agri-Food CanadaWestern University
Organismes subventionnairesnon disponible
Mots-clésBioremediationBiostimulationElectrokinetic phenomenaBioaugmentationEnvironmental scienceEnvironmental remediationBiochemical engineeringBiologyEcologyContaminationEngineeringNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

This study discusses factors affecting various processes involved in bioremediation coupled with electrokinetics. The study presents innovative solutions, and proposes new directions. Environmental conditions that have an influence on the characteristics, behavior, and metabolism of indigenous microorganisms are presented. The discussion focuses on overcoming the unfavorable conditions created by electrolysis reactions, prolongation the survival of the microbes at contaminated sites, increase of microbial enzyme secretion, improvement of the indigenous bacteria metabolic pathways, and exploration of metagenomics resources from soil biota. The challenge facing the implementation of conventional bioremediation techniques in precisely and effectively delivering nutrients to indigenous bacteria, particularly in soils with tortuous paths and low hydraulic conductivity is discussed. Current knowledge in application of enhanced biostimulation using electrokinetics is reviewed. The implementation of bioaugmentation in bioremediation coupled with electrokinetics to enhance the outcome of bioremediation is presented. Effects of phenomena associated with electrokinetics in the hybrid remediation approach are discussed.

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)0,001
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 enseignants0,009
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,013
Tête enseignante GPT0,320
Écart entre enseignants0,307 · 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

Citations56
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in MicrobiologyMême sujetElectrokinetic Soil Remediation TechniquesTravaux en français237 207