MétaCan
Menu
Retour à la cohorte
Enregistrement W2340695859 · doi:10.14351/0831-4985-29.1.22

Oddy Tests: Adding the Analytical Dimension

2015· article· en· W2340695859 sur OpenAlexvenueno aff
Gail Gali Beiner, Miriam Lavi, Hadas Seri, Anna Voloshenko Rossin, Ovadia Lev, Jenny Gun, Rivka Rabinovich

Notice bibliographique

RevueCollection Forum · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueConservation Techniques and Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMass spectrometryGas chromatography–mass spectrometryPollutantActivated carbonPopularityGas chromatographyQualitative analysisChemistryComputer scienceChromatographyEnvironmental chemistryEnvironmental scienceAdsorptionOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The so-called “Oddy test” has gained popularity in art and archaeology collections because it is inexpensive to use, and the results are relatively easy to analyze. However, the method is also subjective and does not identify the pollutants. Here we present a modification to the traditional test that addresses these drawbacks and aims at providing solutions. Activated carbon was used to adsorb the volatile emissions generated within the standard Oddy test setup. Gas chromatography–mass spectrometry (GC-MS) analysis of the volatile organic compounds (VOCs) desorbed from the activated carbon detected pollutants within a considerably shorter time frame than the traditional Oddy test and provided both qualitative and quantitative data. GC-MS analysis of volatiles off-gassed during the Oddy test provided information about the VOCs from local brands of materials commonly used for conservation and storage of objects in collections. The use of GC-MS analysis of volatiles improves the Oddy test in a fast, sensitive, and quantitative manner.

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)0,019
score de la tête « metaresearch » (Gemma)0,083
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,083
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,003
Communication savante0,0050,006
Science ouverte0,0030,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,089
Tête enseignante GPT0,278
Écart entre enseignants0,189 · 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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCollection ForumMême sujetConservation Techniques and StudiesTravaux en français237 207