MétaCan
Menu
Retour à la cohorte
Enregistrement W4200332889 · doi:10.1002/cben.202100025

Oil Cakes as Sustainable Agro‐Industrial Feedstock for Biocarbon Materials

2021· article· en· W4200332889 sur OpenAlexafffund
M. Siva Sankari, Singaravelu Vivekanandhan, Manjusri Misra, Amar K. Mohanty

Notice bibliographique

RevueChemBioEng Reviews · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and ScienceOntario Ministry of Agriculture, Food and Rural AffairsUniversity Grants Commission of BangladeshUniversity of Guelph
Mots-clésRaw materialBiocharEnvironmental scienceWaste managementCarbon fibersOil productionPulp and paper industryMaterials sciencePyrolysisPetroleum engineeringComposite numberEngineeringChemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The demand for vegetable oil is increasing for both food and non‐food applications, which leads to the generation of a huge amount of oil cakes. The rising annual production requires alternative applications for sustainable operations of oil mills, especially those involved in non‐edible oil production. Hence, the value‐added uses of oil cakes such as environment remediation (metal absorption), composite fabrication (as fillers, reinforcements), nanoparticle synthesis (as reducing and stabilizing agent), and production of carbonaceous materials (as carbon source) were extensively explored in recent years. Among them, the thermochemical conversion of oil cakes into carbonaceous materials (biochar and activated carbon) received great interest as the demand for biocarbon materials increases exponentially. Oil cake‐derived biocarbon materials found a wide range of technological applications. With this perspective, recent developments in oil cake‐derived carbon materials and their diverse applications are reviewed.

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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

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)0,0020,001

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 Opus0,043
Tête enseignante GPT0,261
Écart entre enseignants0,218 · 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

Citations13
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemBioEng ReviewsMême sujetBiodiesel Production and ApplicationsTravaux en français237 207