MétaCan
Menu
Retour à la cohorte
Enregistrement W2890018906 · doi:10.1002/jms.4286

Ionization methods for the mass spectrometry of organometallic compounds

2018· article· en· W2890018906 sur OpenAlexafffund
Krista L. Vikse, J. Scott McIndoe

Notice bibliographique

RevueJournal of Mass Spectrometry · 2018
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBritish Columbia Knowledge Development FundUniversity of CanterburyNatural Sciences and Engineering Research Council of CanadaSan Francisco State University
Mots-clésChemistryMass spectrometryFlow chartOrganometallic chemistryIonizationDirect electron ionization liquid chromatography–mass spectrometry interfaceChemical ionizationGroup 2 organometallic chemistryBiochemical engineeringCombinatorial chemistryAnalytical Chemistry (journal)Environmental chemistryChromatographyOrganic chemistryMoleculeIonCatalysis

Résumé

récupéré en direct d'OpenAlex

The rapid development of new ionization methods has greatly expanded the ability of mass spectrometry to target diverse areas of chemistry. Synthetic organometallic and inorganic chemists often find themselves with interesting characterization problems that mass spectrometry could potentially find the answer for, but without a guide for choosing the appropriate method of analysis. This tutorial review seeks to provide that guidance via a simple flow chart followed by a brief description of how each common ionization method works. It covers all of the commonly used ionization techniques as well as promising variants and aims to be a resource of first resort for organometallic chemists and analysts tackling a new problem.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,021
Tête enseignante GPT0,327
Écart entre enseignants0,306 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations17
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Mass SpectrometryMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207