MétaCan
Menu
Retour à la cohorte
Enregistrement W2767980607 · doi:10.5151/xveneeamb-134

ANÁLISE DA COMPOSTAGEM DE LODO DE TRATAMENTO DE EFLUENTES DA INDÚSTRIA DE PESCADO COM DIFERENTES MATERIAIS ESTRUTURANTES

2017· article· pt· W2767980607 sur OpenAlexaff
Carolina da Silva Gonçalves, Matheus Francisco da Paz, Mateus Torres Nazari, Maurízio Silveira Quadro, Luciara Bilhalva Corrêa, Érico Kunde Corrêa

Notice bibliographique

Revuenon disponible
Typearticle
Languept
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésChemistryHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Ferramenta eficiente de reciclo da matéria orgânica, a compostagem possui mecanismo é essencialmente aeróbio, sendo necessário resíduos estruturantes para promover o aporte de oxigênio necessário. Portanto, o objetivo deste estudo foi a avaliação de diferentes materiais estruturantes na compostagem de lodo de estação de tratamento de efluentes da indústria de pescado. Foram utilizadas composteiras de 100L com 1/2 (volume/volume) de lodo de estação de tratamento de efluentes da indústria de pescado, seguido de diferentes tratamentos: tratamento com casca de arroz (TCA), tratamento com casca de pinus (TCP) e tratamento com serragem (TSE), com 10% de espaço livre para facilitar o revolvimento. O período de compostagem se deu por 105 dias com revolvimento semanal. A temperatura das composteiras foi medida diariamente. Quinzenalmente, alíquotas de aproximadamente 30 gramas foram retiradas para análises de condutividade elétrica. O TCA apresentou maior temperatura em comparação aos demais materiais estruturantes, bem como maior condutividade elétrica. Dentre os materiais estruturantes estudados, a casca de arroz demonstrou maior potencial de degradabilidade do lodo de estação de tratamento de efluentes da indústria de pescado por compostagem, sendo o mais indicado para seu uso em associação ao lodo de estação de tratamento da indústria de pescado.

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 enseignants0,003
Score d'incertitude au seuil0,006

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,056
Tête enseignante GPT0,307
Écart entre enseignants0,251 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetComposting and Vermicomposting TechniquesTravaux en français237 207