MétaCan
Menu
Retour à la cohorte
Enregistrement W2901698135 · doi:10.1039/c8an01898g

Identification of traditional East Asian handmade papers through the multivariate data analysis of pyrolysis-GC/MS data

2018· article· en· W2901698135 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe Analyst · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Materials Analysis
Établissements canadiensCanadian Nautical Research Society
Organismes subventionnairesChina Scholarship Council
Mots-clésPrincipal component analysisWeightingData MatrixMultivariate statisticsMultivariate analysisPattern recognition (psychology)ChromatographyFingerprint (computing)FastICAMathematicsArtificial intelligenceAnalytical Chemistry (journal)ChemistryComputer scienceStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

An analytical approach based on the multivariate analysis of on-line pyrolysis-gas chromatography/mass spectrometry (Py-GC/MS) data is proposed for the identification of traditional East Asian handmade papers from different fiber material origins. This approach utilized several biomarkers detected during the Py-GC/MS analysis of paper samples. At first, the total ion chromatogram (TIC) was taken as the response and then the extracted ion chromatograms (EICs) were considered to improve the discrimination of papers. The influence of different data pretreatments (raw responses vs. normalized values) including different weightings of the variables (weighting as 1 vs. weighting as 1/STD, where STD stands for standard deviation) for principal component analysis was also investigated. The results showed that compared to the commonly used microscopy techniques, the Py-GC/MS technique proved to be able to discriminate against handmade paper materials that have similar microscopic morphologies such as Morus species vs. Broussonetia species. The data pretreatment influenced PCA modeling: the analysis based on normalized values showed more interpretable PCA group features for Moraceae species. PCA without weighting resulted unsurprisingly in discrimination through the presence of high intensity response biomarkers, while when applying weight as 1/STD, a PCA loading plot was shown to provide a group of compounds, most of them being present at low levels, to be discriminating. Additionally, the characteristic EICs can provide a data matrix for statistical analysis avoiding the interference from a co-eluting compound and background compared to the data matrix obtained from the TIC. As a result, a quick Py-GC/MS based handmade paper identification procedure using PCA modeling of the characteristic EICs was proposed for the first time in the identification of traditional East Asian handmade papers. This procedure could be very beneficial for cultural heritage applications.

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.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,344
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,175
Tête enseignante GPT0,299
Écart entre enseignants0,123 · 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