MétaCan
Menu
Retour à la cohorte
Enregistrement W4213382146 · doi:10.3390/recycling7010010

Evaluation of Vermicompost Produced by Using Post-Consumer Cotton Textile as Carbon Source

2022· article· en· W4213382146 sur OpenAlexaff
Vijaypal Singh, Jordan Wyatt, Ali Zoungrana, Qiuyan Yuan

Notice bibliographique

RevueRecycling · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueComposting and Vermicomposting Techniques
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésVermicompostCompostTextileGreen wasteWaste managementPulp and paper industryEnvironmental scienceMechanical biological treatmentFood wasteFertilizerRaw materialMunicipal solid wasteAgronomyChemistryWaste collectionMaterials scienceEngineeringNutrientBiology

Résumé

récupéré en direct d'OpenAlex

A large amount of textile waste is generated every year around the globe. The textile product made from natural fibers might be vermicomposted and used as fertilizer. The present study aimed to research an integrated system of pre-composting (pathogen kill) and vermicomposting with various levels of post-consumer cotton waste to determine if this addition has any effects on the composting process. A vermicompost bin was constructed and filled with feedstocks mixed with post-consumer cotton textile waste at a 25:1 C:N ratio, and operated for three months at approximately 70% moisture content, with four composting trials with 0 g (control), 100 g, 200 g, and 300 g of textile waste. The pre-composting stage reached a temperature ranging from 40 °C to 50 °C, able to neutralize the pathogens. All four trials resulted in final compost with C: N ratios around 14, proving that post-consumer cotton textile waste did not affect the vermicomposting process, and was successfully used as a carbon source by worms to produce a healthy and mature compost. This indicates a sustainable option for the recovery of textile waste that is being decomposed in landfills.

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
Bibliométrie0,0000,000
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 Opus0,046
Tête enseignante GPT0,289
Écart entre enseignants0,242 · 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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRecyclingMême sujetComposting and Vermicomposting TechniquesTravaux en français237 207