MétaCan
Menu
Retour à la cohorte
Enregistrement W4251722429 · doi:10.1063/1.4895779.5

10.1063/1.4895779.5

2014· dataset· en· W4251722429 sur OpenAlexaff
Prashant R. Waghmare, Sushanta K. Mitra

Notice bibliographique

RevueDefault Digital Object Group · 2014
Typedataset
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensYork UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDrop (telecommunication)WettingMaterials scienceSubstrate (aquarium)Sessile drop techniqueSurface energyLiquid dropContact angleNanotechnologyComposite materialOptoelectronicsMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The study of wetting characteristics of low-energy (e.g., superhydrophobic) liquid-repellent surfaces is of great importance towards optimal design of such micro/nano-engineered surfaces. The most common technique to accomplish this involves bringing a drop generated at the needle-tip close to the characterizing substrate with a goal to deposit it on the substrate, which often becomes a challenge when the surface energy of the drop-substrate combination is comparable to the needle-drop system. In this paper, we proposed a new “needle-free” drop deposition technique, which overcomes this challenge for characterization the low-energy substrates. This is achieved by placing an additional low-energy substrate above the characterizing substrate and allowing the drop-needle combination to impact on this additional substrate. This technique is not only independent of the wetting properties of the needle and the characterizing substrate but is also independent of the liquid drop properties, thereby making it a very universal technique for characterizing substrate in air medium.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil0,802

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,008
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,2400,442

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 Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,225 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDefault Digital Object GroupMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207