MétaCan
Menu
Retour à la cohorte
Enregistrement W2336496949 · doi:10.6000/1929-5995.2016.05.01.2

Physical Properties of Polyacrylamide/Polyvinylalcohol Silica Nanocomposites

2016· article· en· W2336496949 sur OpenAlexvenueno aff
Dalia E. Abulyazied, Nahla A. Mansour, Azza M. Mazrouaa, Manal G. Mohamed

Notice bibliographique

RevueJournal of Research Updates in Polymer Science · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposite Synthesis and Irradiation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolyacrylamideMaterials scienceNanocompositeFourier transform infrared spectroscopyScanning electron microscopeThermal stabilityVinyl alcoholAmorphous solidChemical engineeringComposite materialPolymerPolymer chemistryOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

In this paper, samples of Polyacrylamide (PAAm) nanosilica nanocomposites were prepared having different concentration of nanosilica (0.125, 0.25, and 0.5). Polyacrylamide (PAAm) and poly (vinyl alcohol) (PVA) were blended with different ratio (3/1, 1/1, 1/3) using solution-cast technique. The prepared films were characterized by Fourier transform infrared (FTIR), X-ray diffractions (XRD) and scanning electron microscopy (SEM). FTIR spectra showed the presence of hydrogen bonding between–CONH2 groups in PAAm and –OH group in PVA and confirm the hydrophilic nature of the blends. X-ray diffractions shows the presence of a strong broad peak centered at 22º (2θ) confirms the amorphous nature of silica which is supposed to be the characteristic of SiO2. The results obtained from different experimental techniques were supported by SEM image analysis. The thermal stability of the nanocomposites enhanced by increasing the silica content in the blend. The DC electrical conductivity was studied for all prepared samples. It was found that the conductivity increase by increasing silica content as well as, increased by increasing the wt% of PVA.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,014
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,003
Communication savante0,0000,002
Science ouverte0,0020,000
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 Opus0,035
Tête enseignante GPT0,334
Écart entre enseignants0,299 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research Updates in Polymer ScienceMême sujetPolymer Nanocomposite Synthesis and IrradiationTravaux en français237 207