Escultura monumental olmeca: temas y contextos
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quantification of precious metal content is important for studies of ore deposits, basalt petrogenesis, and precious metal geology, mineralization, mining, and processing. However, accurate determination of metal concentrations can be compromised by microheterogeneity commonly referred to as the "nugget effect", i.e., spatially significant variations in the distribution of precious metal minerals at the scale of instrumental analytical beam footprints. There are few studies focused on the spatial distribution of such minerals and its detrimental effects on quantification of the existing suite of relevant reference materials (RM). In order to assess the nugget effect in RM, pressed powder pellets of MASS-1, MASS-3, WMS-1a, WMS-1, and KPT-1 (dominantly sulfides) as well as CHR-Pt+ and CHR-Bkg (chromite-bearing) were mapped with micro-XRF. The number of verified nuggets observed was used to recalculate an effective concentration of precious metals for the analytical aliquot, allowing for an empirical estimate of a minimum mass test portion. MASS-1, MASS-3, and WMS-1a did not contain any nuggets; therefore, a convenient small test portion could be used here (<0.1 g), while CHR-Pt+ would require 0.125 g and WMS-1 would need 23 g to be representative. For CHR-Bkg and KPT-1, the minimum test portion mass would have to be ∼80 and ∼342 g, respectively. Minimum test portions masses may have to be greater still in order to provide detectable analytical signals. Procedures for counteracting the detrimental manifestations of microheterogeneity are presented. It is imperative that both RM and pristine samples are treated in exactly the same way in the laboratory, lest powders having an unknown nugget status (in effect all field samples for analysis) can not be documented to be representing a safe minimum mass basis.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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