MétaCan
Menu
Retour à la cohorte
Enregistrement W3102923411 · doi:10.1016/j.dib.2020.106512

Data on making uniform lignin building blocks via in-situ real-time monitoring of hydroxyethyl modification

2020· article· en· W3102923411 sur OpenAlexafffund
Liyang Liu, Kim Bessler, Si-Wei Chen, Mijung Cho, Qi Hua, Scott Renneckar

Notice bibliographique

RevueData in Brief · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanada Research Chairs
Mots-clésLigninChemistryFourier transform infrared spectroscopyCarboxylic acidEtherAlkylGel permeation chromatographyPhenolChemical modificationOrganic chemistryArylPolymer chemistryChemical engineeringPolymer

Résumé

récupéré en direct d'OpenAlex

In this work, a lab-designed apparatus was developed to collect and record the CO2 amount during the hydroxyethyl modification of lignin. We presented the CO2 volume amount and the production rate under different reaction conditions (80 – 120 °C and 2 – 6 hrs). Nuclear magnetic resonance spectroscopy was performed to analyze the chemical structure of the hydroxyethyl lignin corresponding with different amounts of CO2 that evolved during the reaction. The aliphatic hydroxyl, aromatic hydroxyl, and carboxylic acid groups were analyzed and tabulated. The acetylated hydroxyethyl lignin samples were characterized by 13C NMR to obtain the aliphatic hydroxyl (primary and secondary), phenol (ortho substituted and ortho-free), hydroxyethyl, methoxy, and aromatic hydrogen groups semi-quantitatively. Fourier-transform infrared (FTIR) spectroscopy was adopted to analyze the surface functional groups including alkyl aryl ether bond, carboxylic acid groups, and aromatic hydroxyl groups. Gel permeation chromatography combined with a multi-angle light scattering detector and differential refractive index detector were used to obtain the molar mass of lignin before and after the modification.

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)0,000
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 enseignants0,130
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
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 Opus0,050
Tête enseignante GPT0,288
Écart entre enseignants0,238 · 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

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetLignin and Wood ChemistryTravaux en français237 207