MétaCan
Menu
Retour à la cohorte
Enregistrement W2801638617 · doi:10.1088/1361-6463/aabb93

Review on water quality sensors

2018· article· en· W2801638617 sur OpenAlexafffund
Peter Kruse

Notice bibliographique

RevueJournal of Physics D Applied Physics · 2018
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésQuality (philosophy)Water qualityEnvironmental sciencePhysicsBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Terrestrial life may be carbon-based, but most of its mass is made up of water. Access to clean water is essential to all aspects of maintaining life. Mainly due to human activity, the strain on the water resources of our planet has increased substantially, requiring action in water management and purification. Water quality sensors are needed in order to quantify the problem and verify the success of remedial actions. This review summarizes the most common chemical water quality parameters, and current developments in sensor technology available to monitor them. Particular emphasis is on technologies that lend themselves to reagent-free, low-maintenance, autonomous and continuous monitoring. Chemiresistors and other electrical sensors are discussed in particular detail, while mechanical, optical and electrochemical sensors also find mentioning. The focus here is on the physics of chemical signal transduction in sensor elements that are in direct contact with the analyte. All other sensing methods, and all other elements of sampling, sample pre-treatment as well as the collection, transmission and analysis of the data are not discussed here. Instead, the goal is to highlight the progress and remaining challenges in the development of sensor materials and designs for an audience of physicists and materials scientists.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,008

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 Opus0,033
Tête enseignante GPT0,293
Écart entre enseignants0,260 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations159
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics D Applied PhysicsMême sujetAnalytical Chemistry and SensorsTravaux en français237 207