MétaCan
Menu
Retour à la cohorte
Enregistrement W4297474320 · doi:10.3390/molecules27196378

Violin Varnishes: Microstructure and Nanomechanical Analysis

2022· article· en· W4297474320 sur OpenAlex
Marianne Odlyha, Jeannette Jacqueline Łucejko, Anna Lluveras‐Tenorio, Francesca Di Girolamo, Stephen Hudziak, Adam Strange, Alexandra Bridarolli, Laurent Bozec, Maria Perla Colombini

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMolecules · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiverse Musicological Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésVarnishViolinMaterials scienceNanoscopic scaleComposite materialSynchrotron radiationAtomic force microscopyMicrostructureCharacterization (materials science)NanotechnologyOpticsArtPhysicsArt historyCoating

Résumé

récupéré en direct d'OpenAlex

The aim of the current work is twofold: to demonstrate the application of in situ non-invasive imaging by portable atomic force microscopy (AFM) on the surfaces of a violin and to integrate compositional and mechanical analysis at the nano scale level on model samples of varnished wood. These samples were prepared according to traditional recipes by an Italian lute-maker family well practised in the art. Samples of oil and spirit-based varnishes on maple wood, naturally and accelerated light aged, were studied. AFM was used to measure the nanomechanical properties of the model samples and established that the spirit-based varnish was stiffer than the oil-based. Synchrotron radiation micro- Fourier Transform Infra-red analysis of the layer structure revealed that stiffer spirit-based varnish showed less penetration into the wood than the oil-based. Further PeakForce Quantitative Nanomechanical Mapping (QNM) demonstrated a difference in adhesion values between the oil- and spirit-based samples.

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.

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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,993

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,036
Tête enseignante GPT0,203
Écart entre enseignants0,167 · 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