MétaCan
Menu
Retour à la cohorte
Enregistrement W2899710779 · doi:10.30797/madencilik.479520

ALTIN CEVHERLERİNİN KARAKTERİZASYONUNDA KULLANILAN MİKRO ANALİTİK YÖNTEMLER

2018· article· tr· W2899710779 sur OpenAlexaff
Oktay Celep, Ahmet Deniz Baş, Ersin Yener Yazıcı, Hacı Deveci

Notice bibliographique

RevueBilimsel Madencilik Dergisi · 2018
Typearticle
Languetr
DomaineEngineering
ThématiqueMineral Processing and Grinding
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésScanning electron microscopeNuclear chemistryMaterials scienceElectron microprobeChemistryAnalytical Chemistry (journal)MetallurgyComposite materialChromatography

Résumé

récupéré en direct d'OpenAlex

Mikro analitik teknikler, cevher karakterizasyon çalışmalarında yaygın bir şekilde kullanılmaktadır.Altın cevherlerinin, özellikle refrakter altın cevherlerinin karakterizasyonunda da etkin bir şekildekullanılan bu teknikler, doğruluk ve hassasiyeti yüksek oldukça faydalı bilgiler sunmaktadır. Cevherhakkındaki bu bilgiler doğru proses seçiminin yapılmasına ya da mevcut prosesin etkin bir şekildekontrol edilmesine olanak sağlamaktadır. Bu çalışmada, altın cevherlerinin karakterizasyonunda,mikroskobik (visible) altının belirlenmesinde kullanılan (QEMSCAN) (Quantitative Evaluationof Mineralogy by Scanning Electron Microscope), MLA (Mineral Liberation Analyzer) gibi SEM(Scanning Electron Microscopy) temelli geliştirilmiş modern otomatik analiz yöntemlerinin yanısıra refrakter altın cevherlerinde mikroskop altında kolayca görülemeyen, çok ince ‘invisible’altının belirlenmesinde kullanılan EPMA (Electron-Probe Micro-Analysis), μ-PIXE (Microparticle-induced X-ray emission) ve SIMS (Secondary-Ion Mass Spectrometry) gibi yaygınolarak kullanılan mikro analitik yöntemler tanıtılmakta ve yapılan güncel çalışmalardan örneklersunulmaktadır.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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 Opus0,023
Tête enseignante GPT0,247
Écart entre enseignants0,225 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBilimsel Madencilik DergisiMême sujetMineral Processing and GrindingTravaux en français237 207