MétaCan
Menu
Retour à la cohorte
Enregistrement W2937857183 · doi:10.1039/c9en00143c

<i>In situ</i>remediation of subsurface contamination: opportunities and challenges for nanotechnology and advanced materials

2019· article· en· W2937857183 sur OpenAlexaff
Gregory V. Lowry, Natalie L. Cápiro, Jianmin Chen, Wei Chen, Yongsheng Chen, Dionysios D. Dionysiou, Daniel W. Elliott, Subhasis Ghoshal, Thilo Hofmann, Heileen Hsu‐Kim, Joseph B. Hughes, Chuanjia Jiang, Guibin Jiang, Chuanyong Jing, Michael C. Kavanaugh, Qilin Li, Sijin Liu, Jie Ma, Bingcai Pan, Tanapon Phenrat, Xiaolei Qu, Xie Quan, Navid B. Saleh, Peter J. Vikesland, Qiuquan Wang, Paul Westerhoff, Michael S. Wong, Tian Xia, Baoshan Xing, Bing Yan, Lunliang Zhang, Pedro J. J. Alvarez

Notice bibliographique

RevueEnvironmental Science Nano · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEnvironmental remediation with nanomaterials
Établissements canadiensMcGill University
Organismes subventionnairesDivision of Emerging FrontiersDivision of Engineering Education and CentersDivision of Chemical, Bioengineering, Environmental, and Transport SystemsNational Natural Science Foundation of ChinaMinistry of Education of the People's Republic of ChinaNational Science Foundation
Mots-clésEnvironmental remediationNanotechnologyEnvironmental scienceNanomaterialsIn situContaminationMaterials scienceChemistryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Engineered nanomaterials alone or in combination with other technologies may improve in situ subsurface remediation of legacy and emerging contaminants.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0250,009

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 Opus0,013
Tête enseignante GPT0,202
Écart entre enseignants0,189 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations103
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science NanoMême sujetEnvironmental remediation with nanomaterialsTravaux en français237 207