MétaCan
Menu
Retour à la cohorte
Enregistrement W2261405283 · doi:10.1680/jsuin.15.00009

Effect of extractives in plasma modification of wood surfaces

2015· article· en· W2261405283 sur OpenAlexaff
Jean-Michel Hardy, Mirela Vlad, Leron Vandsburger, Luc Stafford, Bernard Riedl

Notice bibliographique

RevueSurface Innovations · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversité de MontréalFPInnovationsUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésContact angleWettingSurface modificationNitrogenDielectric barrier dischargeOxygenMaterials sciencePlasmaAtmospheric pressureSolventBlack spruceAtmospheric-pressure plasmaPlasma cleaningChemical engineeringChemistryAnalytical Chemistry (journal)Composite materialDielectricEnvironmental chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This paper presents data on wettability of freshly sanded black spruce (Picea mariana) wood surfaces after treatment in the flowing afterglow of nitrogen (N2) and nitrogen–oxygen (N2/O2) dielectric barrier discharges at atmospheric pressure. Water contact angle measurements showed that plasma-treated wood samples became more hydrophobic and less hygroscopic, with the more prominent changes observed in nitrogen–oxygen plasma mixtures. Natural ageing experiments over a time period of 14 days indicated a change in plasma-treated wood surfaces to contact angles approaching those of untreated samples. On the other hand, when lower molecular mass molecules were removed from black spruce by various solvent extraction methods, plasma-induced modification seems much less pronounced. In addition, the latter samples were much more stable over time, indicating that wood extractives play a very critical role in such instability phenomenon.

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 enseignants0,001
Score d'incertitude au seuil0,003

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 Opus0,047
Tête enseignante GPT0,317
Écart entre enseignants0,270 · 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

Citations9
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSurface InnovationsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207