MétaCan
Menu
Retour à la cohorte
Enregistrement W2903356219 · doi:10.2175/106143017x15131012188132

Removal of Cr(VI) from Aqueous Solutions Using Amino‐Functionalized Carbon Nanospheres Adsorbents

2018· article· en· W2903356219 sur OpenAlexafffund
Naoual Benadji, Rafika Ikkene, Amel Boudjemaa, Zoubida Bendjama, Khaldoun Bacharı, Safia Hamoudi

Notice bibliographique

RevueWater Environment Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensCentre in Green Chemistry and Catalysis
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhysisorptionAdsorptionAqueous solutionLangmuir adsorption modelChemistryNuclear chemistryFourier transform infrared spectroscopyThermogravimetryX-ray photoelectron spectroscopyInorganic chemistryRaman spectroscopyCarbon fibersInfrared spectroscopyMaterials scienceOrganic chemistryChemical engineeringComposite number

Résumé

récupéré en direct d'OpenAlex

Carbon nanospheres were prepared and functionalized with carboxyl acid groups (CNS-CA), then reacted with 3-aminopropyltriethoxysilane to introduce amino groups onto the surface (CNS-NH₂) by post-synthesis grafting. CNS-NH₂ was acidified in order to convert the amino groups (-NH₂) into ammonium moieties ( ). Various techniques such as N₂ physisorption, X-ray diffraction, Fourier transform infrared spectroscopy, Raman spectroscopy, thermogravimetry, X-ray photoelectron spectroscopy, and transmission electron microscopy were used to characterize the nanospheres. The removal of chromium ions from aqueous solution using was investigated. Factors influencing the uptake of Cr(VI) ions such as solution pH, adsorbent dose, and initial Cr(VI) ion concentration were investigated. Equilibrium adsorption data fitted the Langmuir model very well. The adsorption maximum capacity of Cr(VI) was found to be 52.38 mg/g. The reusability of results indicated that it can be reused five times successfully without loss of adsorption capacity.

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

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 Opus0,076
Tête enseignante GPT0,303
Écart entre enseignants0,227 · 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

Citations7
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207