MétaCan
Menu
Retour à la cohorte
Enregistrement W2944774102 · doi:10.15353/cjo.72.606

Relative usefulness of the Bayer ratio as an indicator of the hardness of different coatings

2010· article· en· W2944774102 sur OpenAlexvenueno aff
Benoît Frenette, Valentina Lucea

Notice bibliographique

RevueCanadian journal of optometry/CJO. Canadian journal of optometry · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Roughness and Optical Measurements
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScratchHazeMaterials scienceComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

Purpose: To show that with better performance of scratch-resistant coatings on plastic lenses, the use of the Bayer ratio does not appropriately discriminate between recently introduced products. Methods: Nine groups of 5 to 10 CR-39 lenses were ordered with various scratch-resistant treatments. All the lenses underwent the Bayer test on the same apparatus. Haze was measured using a Cary5000 spectrophotometer equipped with an integrating sphere. Results: The lens groups with the latest generation of anti-scratch treatments show a significant decrease in diffusion. The variability of the Bayer ratio increases depending on whether the quotient is obtained by calculating the ratio using the minimal haze values or the maximum haze values. When the Bayer ratio is greater than 10, it no longer discriminates between the products satisfactorily. Conclusions: This test, or others, will inevitably have to be refined to increase precision and give a better perspective of the quality of the next generation of scratch-resistant coatings.

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 enseignants0,060
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,002
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 Opus0,015
Tête enseignante GPT0,257
Écart entre enseignants0,242 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian journal of optometry/CJO. Canadian journal of optometryMême sujetSurface Roughness and Optical MeasurementsTravaux en français237 207