MétaCan
Menu
Retour à la cohorte
Enregistrement W3095313976 · doi:10.14447/jnmes.v23i3.a01

A Brief Review of Electrospinning of Polymer Nanofibers: History and Main Applications

2020· review· en· W3095313976 sur OpenAlexvenueno aff
Riffat Amna, Kabbir Ali, Muhammad Irfan Malik, Sami M. Ibn Shamsah

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2020
Typereview
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectrospinningNanofiberMaterials sciencePolymerNanotechnologyPorosityNanocompositeFabricationFiberComposite materialPolymer science

Résumé

récupéré en direct d'OpenAlex

Electrospinning is an intensely facile methodology for the precise manufacturing of polymer nanofibers by manipulation of electrostatic force, which stunts like a driving force. In this technique, fibers produced with a diameter range between 50 to 500 nm. Two practices are made up by the scientists for electrospinning of versatile polymer. Polymers can be electrospun into ultrafine fibers in solvent solution or melt form. Tremendous progress had been made in this field in the past, and numerous applications were inaugurated. It’s a field of nanotechnology which rapidly growing due to enormous potential in creating novel applications regarding morphologies, materials structure, surface area, porosity, and Reinforcement in nanocomposite development. Fibers can be assembled in the form of nonwoven, aligned, patterned, random three-dimensional structures and sub-micron fibers. Many complications faced during electrospinning, for example, control the morphology and structure of Nanofibers, analyze surface functionality, and assembling strategies for various polymers. We need to find out various parameters for accurate fiber assembly. Here we briefly review the evolution activities in the field of electrospinning, understand its process, polymeric structure, property characterization, technology frailty, research provocations, future expectations, and resourceful applications.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,662
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,023
Tête enseignante GPT0,299
Écart entre enseignants0,276 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Materials for Electrochemical SystemsMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207