MétaCan
Menu
Retour à la cohorte
Enregistrement W4280507010 · doi:10.13073/fpj-d-22-00004

Field Performance of Refractory Softwoods Treated with CA or ACQ after 10 Years of Exposure in Korea and Canada

2022· article· en· W4280507010 sur OpenAlexfundaboutno aff
Rod Stirling, Jong-Bum Ra, Jae-Yun Ryu, Jieying Wang

Notice bibliographique

RevueForest Products Journal · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Forest ServiceNatural Resources CanadaU.S. Forest ServiceFPInnovations
Mots-clésSoftwoodRefractory (planetary science)Environmental scienceTest sitePenetration (warfare)ToxicologyMaterials scienceMining engineeringComposite materialGeologyEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Korean wood preservation standards require deep penetration, which precludes the use of many refractory species. However, such treatments of refractory species have been shown to be effective in other parts of the world. A field test was therefore initiated to evaluate the performance of western hemlock, a moderately refractory species, and white spruce, a highly refractory species, pressure treated with either copper azole or alkaline copper quaternary under Korean field conditions that included both decay and termite hazards. After 10 years of exposure in a ground proximity and field stake test in Jinju, Korea, the treated materials remained largely sound, while untreated controls failed much earlier, largely due to termite attack. These data suggest that material that does not meet current Korean penetration requirements could still provide effective protection against biodegradation under Korean conditions. Decay was more advanced in matched treated stakes exposed at a test site in Canada than at the site in Korea.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,728
Score d'incertitude au seuil0,540

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 technologies0,0010,000
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 Opus0,009
Tête enseignante GPT0,171
Écart entre enseignants0,162 · 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'étudeObservationnel
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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForest Products JournalMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207