MétaCan
Menu
Retour à la cohorte
Enregistrement W2802639876 · doi:10.1089/ees.2017.0521

Factors Affecting Growth of Various Microalgal Species

2018· article· en· W2802639876 sur OpenAlexaff
Bhalamurugan Loganathan Gatamaneni, Valérie Orsat, Mark Lefsrud

Notice bibliographique

RevueEnvironmental Engineering Science · 2018
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiomass (ecology)BiofuelRaw materialProductivityEnvironmental scienceSalinityBioenergyNutrientPhotobioreactorPulp and paper industryEcologyBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

The diversity of microalgal species is colossal; however, only a few species are better known and have been investigated relatively well. Lately, microalgae have been garnering great consideration because of their potential to serve as a feedstock for either biofuel or nutraceutical production. They have the capability of producing and storing desired products as cell metabolites, and adapting themselves when there is a change in the environmental conditions (pH, temperature, light, carbon dioxide, salinity, and nutrients). The current review focuses on how the environmental conditions, including mixing, affect the growth and biomass productivity of various species of microalgae. This baseline information is important to focus on research efforts for improving biomass productivity to enhance the use of algae as a feedstock for various industries and applications. Optimal environmental conditions for enhancing biomass productivity of various species of microalgae as well as screening and selection of microalgae species are also discussed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: 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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,008
Tête enseignante GPT0,184
Écart entre enseignants0,176 · 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

Citations114
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Engineering ScienceMême sujetAlgal biology and biofuel productionTravaux en français237 207