MétaCan
Menu
Retour à la cohorte
Enregistrement W2990183953 · doi:10.3390/polym11121929

Lignin Redistribution for Enhancing Barrier Properties of Cellulose-Based Materials

2019· article· en· W2990183953 sur OpenAlexaff
Wangxia Wang, Tianyu Guo, Kaiyong Sun, Yongcan Jin, Feng Gu, Huining Xiao

Notice bibliographique

RevuePolymers · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesChina Postdoctoral Science FoundationNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésLigninCelluloseRedistribution (election)Materials sciencePolymer scienceChemical engineeringChemistryOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Renewable cellulose-based materials have gained increasing interest in food packaging because of its favorable biodegradability and biocompatibility, whereas the barrier properties of hydrophilic and porous fibers are inadequate for most applications. Exploration of lignin redistribution for enhancing barrier properties of paper packaging material was carried out in this work. The redistribution of nanolized alkali lignin on paper surface showed excellent water, grease, and water vapor barrier. It provided persisted water (contact angle decrease rate at 0.05°/s) and grease (stained area undetectable at 72 h) resistance under long-term moisture or oil direct contact conditions, which also inhibited the bacterial growth to certain degree. Tough water vapor transmission rate can be lowered 82% from 528 to 97 g/m2/d by lignin redistribution. The result suggests that alkali lignin, with multiple barrier properties, has great potential in bio-based application considering the biodegradability, biocompatibility, and recyclability.

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)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,183
Écart entre enseignants0,176 · 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
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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetLignin and Wood ChemistryTravaux en français237 207