MétaCan
Menu
Retour à la cohorte
Enregistrement W2344898768 · doi:10.2166/wqrj.2010.011

Chemistry of the Interfaces of an Electric Water Heater: Implications from an Input-Output Analysis

2010· article· en· W2344898768 sur OpenAlexaff
Martin B. Hocking

Notice bibliographique

RevueWater Quality Research Journal · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésChemistryManganeseStrontiumMagnesiumEnvironmental chemistrySodiumCopperInductively coupled plasmaZincPotassiumArsenicAluminiumWater qualityBoronPlasma

Résumé

récupéré en direct d'OpenAlex

Abstract In a case study, this paper responds to increasing public interest in water quality issues by investigating chemical changes as water passes through a domestic water hot water system. Elemental changes were measured by simultaneous analysis of the incoming and outgoing water streams and the deposited sediment from an electric water heater tank. The results may alter some long-held beliefs. The collected and dried sediment from the tank was analyzed for thirty common elements by inductively coupled plasma and atomic absorption techniques. Of the 25 elements found, the dominant seven in order of concentration were magnesium, aluminum, copper, zinc, manganese, iron, and sodium, as well as some surprising traces of other elements. The cold water input and the heated output were also analyzed for thirteen measurable elements. In the heated water output, magnesium had a massive 151% increase in concentration, followed by much more modest increases shown by arsenic, calcium, lead, potassium, silicon, and strontium. None of these mass balance changes compromised the potability of the water. The six elements, aluminum, boron, copper, iron, manganese, and sodium, showed decreases in aqueous concentrations on heating, thereby improving the water quality.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,056
Tête enseignante GPT0,378
Écart entre enseignants0,322 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetWater Treatment and DisinfectionTravaux en français237 207