MétaCan
Menu
Retour à la cohorte
Enregistrement W2910206228 · doi:10.1080/09593330.2018.1564072

How microwaves can help to study membrane ageing

2019· article· en· W2910206228 sur OpenAlexfundno aff
Murielle Rabiller‐Baudry, Ludovic Paquin, Cindy Leperoux, Habi Diallo, H. Al Jawad, C. Sepré

Notice bibliographique

RevueEnvironmental Technology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Circulatory and Respiratory HealthUniversité LibanaiseCHIST-ERAUniversité de Rennes 1Agence Nationale de la Recherche
Mots-clésAgeingMembraneFoulingService lifeMaterials scienceChemistryChemical engineeringProcess engineeringComposite materialEngineeringBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

This paper studies original protocols of rapid PES/PVP membrane NaOCl degradation allowing at reaching ageing states that are representative of industrial ageing. The long term objective is to propose basis for further fundamental studies aiming at the improvement of the impact of membrane ageing on behaviour in UF (fouling and cleaning mastering). The key of several protocols is the use of ageing acceleration thanks to microwave irradiation, either continuous or pulsed ones, that can be further associated (or not) with short ageing time in UF conditions. To evaluate the representativeness of obtained aged membranes, comparisons are achieved between pristine, voluntary laboratory aged membranes and an industrial membrane at the end of its service-life. Several physico-chemical analyses were used (ATR-FTIR, SEM-EDX, contact angle, SEC-HPLC). Evaluation of UF performances were made in UF of a model protein (Lysozyme, 14,300 g.mol−1). Finally, the proof of concept is done that conditions using MW exist to reach ageing state representative of industrial ageing.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,007
Tête enseignante GPT0,210
Écart entre enseignants0,203 · 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetMembrane Separation TechnologiesTravaux en français237 207