MétaCan
Menu
Retour à la cohorte
Enregistrement W3040747189 · doi:10.1038/s41598-020-67909-3

Water purification ultrafiltration membranes using nanofibers from unbleached and bleached rice straw

2020· article· en· W3040747189 sur OpenAlexaff
Mohammad L. Hassan, Shaimaa M. Fadel, Ragab Abouzeid, Wafaa S. Abou-Elseoud, Enas A. Hassan, Linn Berglund, Kristiina Oksman

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesVetenskapsrådet
Mots-clésCelluloseNanofiberMembranePulp (tooth)Chemical engineeringUltrafiltration (renal)StrawMaterials sciencePapermakingNanofiltrationPulp and paper industryUltrapure waterRegenerated celluloseLigninFiltration (mathematics)EffluentChemistryComposite materialChromatographyWaste managementOrganic chemistryNanotechnology

Résumé

récupéré en direct d'OpenAlex

There has been an increasing interest in recent years in isolating cellulose nanofibers from unbleached cellulose pulps for economic, environmental, and functional reasons. In the current work, cellulose nanofibers isolated from high-lignin unbleached neutral sulfite pulp were compared to those isolated from bleached rice straw pulp in making thin-film ultrafiltration membranes by vacuum filtration on hardened filter paper. The prepared membranes were characterized in terms of their microscopic structure, hydrophilicity, pure water flux, protein fouling, and ability to remove lime nanoparticles and purify papermaking wastewater effluent. Using cellulose nanofibers isolated from unbleached pulp facilitated the formation of a thin-film membrane (with a shorter filtration time for thin-film formation) and resulted in higher water flux than that obtained using nanofibers isolated from bleached fibers, without sacrificing its ability to remove the different pollutants.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,002
Score d'incertitude au seuil0,551

Scores Codex et Gemma par catégorie

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

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 Opus0,045
Tête enseignante GPT0,283
Écart entre enseignants0,239 · 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.

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

Citations59
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207