MétaCan
Menu
Retour à la cohorte
Enregistrement W2964106618 · doi:10.48180/ambientale.v11i2.99

Colorimetric method to identify nitrogenous forms in water from reservoirs intended for human consumption in the state of Paraíba

2019· article· pt· W2964106618 sur OpenAlexaff
Fábio Giovanni de Araújo Batista, Alex Felipe Barbosa Feitosa, Rafaela Gomes da Silva

Notice bibliographique

RevueRevista Ambientale · 2019
Typearticle
Languept
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesChemistryPhilosophy

Résumé

récupéré en direct d'OpenAlex

O trabalho teve por objetivo constatar, mediante o reagente produzido, a eficácia deste em curva de concentração de nitrogênio amoniacal pré-estabelecida e em amostras de água bruta, a fim de avaliar a qualidade de água dos reservatórios quanto à eutrofização e, portanto, o risco oferecido pelo consumo dessas águas. Para isso, foi realizado um ensaio de caráter semiquantitativo, direcionado à avaliação da qualidade de água, através da utilização de um padrão de concentrações por escala colorimétrica de nitrogênio amoniacal como indicador trófico. Com isso obtivemos o perfil de dos mananciais dos açudes de Bodocongó, Manancial Epitácio Pessoa e do centro universitário Unifacisa, referentes às classes de água doce propostas pelo CONAMA. Dessa forma, os resultados obtidos através da curva colorimétrica demonstraram a eficiência do reagente, havendo variação da intensidade da cor gerada a partir das variações de concentração da substância utilizada para construção da curva. Por conseguinte, verificou-se a inadequação das águas dos reservatórios para ingestão humana direta, ou seja, antes da realização de tratamentos adequados. O presente estudo pôde sugerir a situação na qual cada ambiente lêntico em estudo se apresenta na realidade, com exceção do açude do centro universitário, que necessita da realização de mais testes para se traçar o perfil do mesmo.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,059
Tête enseignante GPT0,381
Écart entre enseignants0,322 · 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
GenreMéthodes

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista AmbientaleMême sujetWater Quality and Pollution AssessmentTravaux en français237 207