MétaCan
Menu
Retour à la cohorte
Enregistrement W2974448839 · doi:10.35812/cellulosechemtechnol.2019.53.29

CELLULOSE SHEETS MADE FROM MICRO/NANOFIBRILLATED FIBERS OF BAMBOO, JUTE AND EUCALYPTUS CELLULOSE PULPS

2019· article· en· W2974448839 sur OpenAlexaff
Gustavo Henrique Denzin Tonoli, Vânia Aparecida de Sá, Mário Guimarães, Alessandra de Souza Fonseca, Gregory M. Glenn, Jordão Cabral Moulin, Suhara Panthapulakkal, MOHINI SAIN, Delilah F. Wood, Tina Williams, Lennard Torres, William J. Orts

Notice bibliographique

RevueCellulose Chemistry and Technology · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCelluloseBambooCrystallinityComposite materialMaterials scienceCellulose fiberPorosityLigninKraft paperEucalyptusChemistryFiberOrganic chemistryBotany

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to investigate the properties of cellulose sheets made from fibrillated micro/nanofibrils of bamboo, jute and eucalyptus. Micro/nanofibrils obtained from alkaline-treated jute had higher crystalline fraction (CF) and crystallinity index (CI). The onset degradation temperature (T onset ) was very similar for all the micro/nanofibrils (from 316 o C to 323 o C). Defibrillated cellulose nanofibrils had an average diameter in the range of 30-50 nm. Cellulose sheets made of bamboo and jute micro/nanofibrils had higher bending strength, elastic modulus and energy to break than the sheets made of eucalyptus micro/nanofibrils. Compared to the bamboo and jute samples, the eucalyptus micro/nanofibril suspension had a greater amount of fiber debris, which may have contributed to higher apparent porosity, water adsorption and water solubility of the cellulose sheets. Further development of the mechanical defibrillation process could lower the production costs of micro/nanofibrils and improve the performance of engineered cellulose-based materials.

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 candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,219 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCellulose Chemistry and TechnologyMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207