MétaCan
Menu
Retour à la cohorte
Enregistrement W2912003166 · doi:10.7202/1055592ar

Dégradation du cristal violet par électro-oxydation sur électrodes de Ti/TiO2 et Ti/TrO2-RuO2 : étude de l’influence des paramètres opératoires sur l’efficacité du procédé

2019· article· fr· W2912003166 sur OpenAlexaff
Ibrahima Diouf, Patrick Drogui, El Hadji Moussa Diop, Sidy Mambaye Lo, Michel Rumeau, Codou Guèye Mar Dop

Notice bibliographique

RevueRevue des sciences de l eau · 2019
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Ce travail est une comparaison des capacités d’électro-oxydation du cristal violet sur des électrodes de Ti/TiO 2 et Ti/IrO 2 -RuO 2 . Les résultats révèlent que le dépôt d’oxyde de métaux semi-conducteurs sur un support métallique adéquat tel que le titane permet d’améliorer l’activité électrochimique de ces électrodes. De même que l’influence des paramètres opératoires que sont la densité de courant (4,4, à 6,6 mA∙cm -2 ), la concentration de l’électrolyte (0,5 à 1,5 g∙L- 1 ), la concentration initiale du colorant (2,5 x 10 -5 à 10 -4 M) et la surface d’électrode (4,55, 5,85 et 7,15 cm 2 ) sur l’efficacité du traitement serait liée à la nature de l’électrode. Le suivi de la demande chimique en oxygène (DCO) au cours de l’électrolyse montre que Ti/IrO 2 -RuO 2 possède le meilleur rendement épuratoire, puisqu’il permet d’atteindre un taux de réduction de la DCO de 92 % comparativement à un taux de 83 % enregistré dans le cas de Ti/TiO 2 au bout de 2 h de traitement.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,023
Tête enseignante GPT0,270
Écart entre enseignants0,247 · 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.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des sciences de l eauMême sujetAdvanced oxidation water treatmentTravaux en français237 207