MétaCan
Menu
Retour à la cohorte
Enregistrement W4312873568 · doi:10.15376/biores.12.2.hubbe

Deacidification of acidic books and paper by means of non-aqueous dispersions of alkaline particles: A review focusing on completeness of the reaction

2017· review· en· W4312873568 sur OpenAlexaff
Martin A. Hubbe, Richard Smith, Xuejun Zou, Svetozár Katuščák, Antje Potthast, Kyujin Ahn

Notice bibliographique

RevueBioResources · 2017
Typereview
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Materials Analysis
Établissements canadiensFPInnovations
Organismes subventionnairesnon disponible
Mots-clésAqueous solutionNeutralizationAlkaline hydrolysisHydrolysisCondensationChemistryChemical engineeringPolymer scienceMaterials scienceOrganic chemistryEngineeringMeteorologyPhysics

Résumé

récupéré en direct d'OpenAlex

Deacidification refers to chemical treatments meant to slow down the acid hydrolysis and embrittlement of books and paper documents that had been printed on acidic paper. From the early 1800s up to about 1990, papermakers used aluminum sulfate, an acidic compound, in most printing papers. Certain deacidification methods use non-aqueous media to distribute alkaline mineral particles such as MgO within the pages of the treated books. Evidence is considered here as to whether or not the proximity of alkaline particles within such documents is sufficient to neutralize the acidic species present. Because much evidence suggests incomplete neutralization, a second focus concerns what to do next in cases where books already have been treated with a non-aqueous dispersion system. Based on the literature, the neutralization of acidic species within such paper can be completed by partial moistening, by high humidity and pressure, by water condensation, as well as by optional treatments to enhance paper strength and a final drying step.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,126
Tête enseignante GPT0,316
Écart entre enseignants0,190 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations50
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetCultural Heritage Materials AnalysisTravaux en français237 207