MétaCan
Menu
Retour à la cohorte
Enregistrement W2897856296 · doi:10.21315/jps2018.29.s3.10

Heavy Metal Concentrations in Tin Mine Effluents in Kepayang River, Perak, Malaysia

2018· article· en· W2897856296 sur OpenAlexaboutno aff
Farhana Ahmad Affandi, Mohd Yusoff Ishak

Notice bibliographique

RevueJournal of Physical Science · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Putra Malaysia
Mots-clésArsenicBariumTinCadmiumEffluentEnvironmental chemistryManganeseZincInductively coupled plasma mass spectrometryChristian ministryCobaltChromiumTailingsMetallurgyEnvironmental scienceSedimentCassiteriteMetalChemistryMaterials scienceEnvironmental engineeringMass spectrometryGeology

Résumé

récupéré en direct d'OpenAlex

A preliminary study on physico-chemical properties and heavy metal concentrations, i.e., aluminium (Al), arsenic (As), barium (Ba), cadmium (Cd), cobalt (Co), copper (Cu), chromium (Cr), iron (Fe), manganese (Mn), nickel (Ni), lead (Pb), selenium (Se) and zinc (Zn), was conducted at the nearest point of tin mine effluents in Kepayang River, Perak, Malaysia. Composite samples of surface water and sediments were analysed using inductively coupled plasma mass spectrometry (ICP-MS) and data were compared with the Malaysia's Ministry of Health (MOH) and the Canadian Council of Ministers of the Environment (CCME) guidelines. The concentrations of As and Fe in both water and sediment were found to have exceeded the MOH and CCME guidelines. The output from this study can present as a background report on metal concentrations of tin mine effluents, which will be useful for future monitoring works.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,610
Score d'incertitude au seuil0,759

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,276
Écart entre enseignants0,265 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physical ScienceMême sujetHeavy metals in environmentTravaux en français237 207