MétaCan
Menu
Retour à la cohorte
Enregistrement W3098787817 · doi:10.18280/acsm.440504

Recovery of Residues from Olive Industry: Characterization of Simple and Acetylated Lignin

2020· article· en· W3098787817 sur OpenAlexvenueno aff
Amine Abid, Fatima Charrier‐El Bouhtoury, Slimane Gabsi

Notice bibliographique

RevueAnnales de Chimie Science des Matériaux · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLigninOrganosolvMolar massChemistryMolar mass distributionDispersityChemical modificationOrganic chemistryFourier transform infrared spectroscopyLignocellulosic biomassPolyurethaneDepolymerizationPolymerChemical engineeringPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Lignin is a renewable material obtained in large quantities as a by-product of the olive industry. In this context, this study aims to examine lignin as macro-monomers in the synthesis of rigid polyurethane foam after chemical modification. Indeed, the lignin extracted from the olive residue is used by chemical treatment according to the organosolv process. Comparison by characterization of the single isolated lignin and the acetylated lignin according to the physicochemical analysisTGA, DSC, FTIR, C-13 NMR, 1-H NMR, and molar mass distribution (sec) shows its value as biomass capable of being transformed into polyol afterchemical modification. acetylation increases the weight and the number of molar masses by 25-50% was also determined. Acetylation has a greater effect on the short chains which are probably richer in free phenolic groups. Mass distribution analyzes reveal a relatively high molar mass in organosolv lignin moreover, polydispersity values are very high (20 >> 1). The characterization of spent olive cake reflects the interest of using this biomass as a source of renewable energy for the production of industrial polymers.

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
Bibliométrie0,0010,000
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 Opus0,023
Tête enseignante GPT0,226
Écart entre enseignants0,202 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de Chimie Science des MatériauxMême sujetLignin and Wood ChemistryTravaux en français237 207