MétaCan
Menu
Retour à la cohorte
Enregistrement W3094327905 · doi:10.3390/coatings10111013

Analysis of a Wide Range of Commercial Exterior Wood Coatings

2020· article· en· W3094327905 sur OpenAlexaff
Michael Gibbons, Saeid Nikafshar, Tina Saravi, Katie M. Ohno, S. Chandra, Mojgan Nejad

Notice bibliographique

RevueCoatings · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Food and AgricultureU.S. Department of Agriculture
Mots-clésContact angleMaterials scienceWettingCoatingComposite materialSurface tensionSolventLaplace pressureChemistry

Résumé

récupéré en direct d'OpenAlex

This study was focused on measuring the properties of twenty-three commercially available coatings formulated for exterior wood applications. The coatings were characterized by measuring their surface tension, solid content, viscosity, pH, and glass transition temperatures (Tg). Additionally, the wetting properties of coating droplets on wood substrates were measured. The contact angle of solvent-based and water-based coatings were characterized on untreated southern yellow pine wood samples using high-resolution image analysis and the Young–Laplace solution. An innovative image processing technique for determining the average diameter of coating droplets on wood was developed, and an iterative method to calculate the average contact angle using the Young–Laplace solution was applied. The water-resistance of the coated wood samples was evaluated during one week of water immersion tests. In general, solvent-based coatings had significantly lower contact angles and water uptake than water-based coatings. Water-based paint samples had the largest average contact angle (81°), and solvent-based transparent penetrating stains had the smallest contact angle (13.9°). A strong correlation was observed between the coating water uptake and their surface tension and solid content.

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)0,001
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: 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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,023
Tête enseignante GPT0,215
Écart entre enseignants0,192 · 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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetWood Treatment and PropertiesTravaux en français237 207