MétaCan
Menu
Retour à la cohorte
Enregistrement W2996182122 · doi:10.3390/jcs4010015

Animal Biopolymer-Plant Biomass Composites: Synergism and Improved Sorption Efficiency

2020· article· en· W2996182122 sur OpenAlexafffund
Mohamed H. Mohamed, Inimfon A. Udoetok, Lee D. Wilson

Notice bibliographique

RevueJournal of Composites Science · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanocomposite Films for Food Packaging
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesUniversity of Saskatchewan
Mots-clésPelletsBiopolymerSorptionChitosanAdsorptionChemical engineeringStrawBiomass (ecology)Materials sciencePelletComposite numberChemistryComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Pelletized biomaterial composites that contain chitosan (C) and torrefied wheat straw (S) at variable weight composition (C:S) were prepared using a facile blending process. The fractional content of the wheat straw was studied to elucidate the role of biomass on the pelletized product and effects of S-content on the physicochemical properties relevant to adsorption phenomena. Chitosan pellets (with and without S) were characterized by spectroscopic (FT-IR and 13C NMR) and thermal (TGA and DSC) techniques to provide support for their respective C:S composition. Confocal microscopy using fluorescein (FL) as a dye probe revealed the presence and an increase in the accessibility of the active sites for the composite pellets according to the S-content (wt %). Equilibrium and kinetic sorption studies using FL and reactive black (RB) dyes revealed an incremental adsorption affinity of the pellets with anionic dyes in variable charge states (FL and RB). The trend for dye adsorption parallels the incremental S-content (wt %) in the composite pellets. This study reports a first-example of a low-cost, facile, and sustainable approach for the valorization of straw and chitosan suitable for sorption-based applications in aqueous media.

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 Opus0,012
Tête enseignante GPT0,235
Écart entre enseignants0,222 · 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

Citations19
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Composites ScienceMême sujetNanocomposite Films for Food PackagingTravaux en français237 207