MétaCan
Menu
Retour à la cohorte
Enregistrement W2931818762 · doi:10.3390/coatings9040225

Coating Performance on Exterior Oil-Heat Treated Wood

2019· article· en· W2931818762 sur OpenAlexafffundabout
Mojgan Nejad, Mahdi Dadbin, Paul Cooper

Notice bibliographique

RevueCoatings · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMitacs
Mots-clésGloss (optics)WeatheringCoatingMoistureWater contentPinus <genus>Environmental sciencePulp and paper industryPine woodComposite materialMaterials scienceHorticultureBotanyGeologyGeotechnical engineeringBiology

Résumé

récupéré en direct d'OpenAlex

Thermal modification and the degree of improved properties from the treatment depend on wood species and treatment parameters. Southern yellow pine and spruce are two wood species commonly used for decking, fences, and siding in North America. This study evaluated coating performance when applied on oil-heat-treated Southern pine and spruce wood samples. Moisture content, color, and gloss changes of samples were analyzed before weathering and then after each month for the first three months and then every six months during 18 months of natural weathering exposure in Toronto, Canada. The results showed that coated heat-treated woods had lower moisture uptake, lower color change, and overall better appearance ranking than coated-untreated wood samples. Coated-spruce wood samples had lower checking and splitting, and in general, much better performance than coated-Southern pine treated samples. Notably, the average moisture content of treated spruce wood samples was significantly lower than that of Southern pine, which explains lower checking and improved coatings’ appearance.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,203
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,010
Tête enseignante GPT0,183
Écart entre enseignants0,173 · 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'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

Citations12
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetWood Treatment and PropertiesTravaux en français237 207