MétaCan
Menu
Retour à la cohorte
Enregistrement W2341767926 · doi:10.21967/jbb.v1i1.35

Synthesis of cationic styrene-acrylic acid ester copolymer emulsion for paper sizing

2016· article· en· W2341767926 sur OpenAlexvenueno aff
Xinlei Wu, Youjia Cui, Yi Jing, Joseph Alexander Mosseler

Notice bibliographique

RevueJournal of Bioresources and Bioproducts · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterial Properties and Processing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCationic polymerizationStarchCopolymerEmulsionPolymer chemistrySizingMaterials scienceStyreneAcrylateAcrylic acidChemical engineeringMethacrylateMonomerMethyl methacrylateChemistryOrganic chemistryComposite materialPolymer

Résumé

récupéré en direct d'OpenAlex

Surface sizing is an effective way to increase paper's water-resistance and printability. The purpose of this study was to study synthesis process to develop an efficient cationic styrene-acrylic acid ester emulsion (SAE) for the surface sizing of paper. Dimethylaminoethyl methacrylate methyl chloride (DMC) was used as the cationic monomer, and cationic starch or native starch was used as the emulsion stabilizer to copolymerize with styrene and butyl acrylate. The results indicated that the SAE synthesized with cationic starch and DMC had a high cationic charge density and a high DMC conversion rate. Paper sized with the cationic SAE had higher surface strength and lower Cobb value than the paper sized with other surface sizing agents such as, anionic SAE, and cationic or oxidized starch. Scanning electron micrographs revealed that the paper sized with a combination of oxidized starch and cationic SAE had smoother surface morphology when compared to the paper sized with oxidized starch alone, or with oxidized starch and anionic SAE.

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 Opus0,010
Tête enseignante GPT0,198
Écart entre enseignants0,188 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bioresources and BioproductsMême sujetMaterial Properties and ProcessingTravaux en français237 207