MétaCan
Menu
← Retour à la cohorte
Enregistrement W4323362314 · doi:10.18280/ijdne.180102

Sugarcane Bagasse-Derived Cellulose as an Eco-Friendly Adsorbent for Azo Dye Removal

2023· article· en· W4323362314 sur OpenAlexvenueno aff
Haya Fathana, ⁠Rahmi ⁠Rahmi, Muhammad Adlim, Surya Lubis, Muhammad Iqhrammullah

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBagasseCelluloseAdsorptionEnvironmentally friendlyPulp and paper industryCellulose fiberWaste managementMaterials scienceChemistryOrganic chemistryChemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Cellulose has been isolated from sugarcane bagasse and applied for azo dye adsorption.Hydrolysis process for cellulose isolation was performed with different concentrations of HCl and the best concentration was 20% (v/v).Fourier Transform Infrared Spectroscopy (FTIR), X-ray Diffraction (XRD), and Thermogravimetric Analysis (TGA).The increase in peak intensity at wavenumber 897 cm -1 was connected to cellulose stretching C-O and C-H, which resulted in greater cellulose content following hydrolysis.The thermal resistance of cellulose enhanced after treatments due to the significant intermolecular hydrogen bonding in the cellulose particles.Cellulose particles have been studied for their capacity to eliminate methylene blue (MB) from aqueous solutions.The analysis indicated that the OH, C=O, and C-O groups were particularly important in azo dye adsorption based on FTIR data.After 120 minutes of methylene blue adsorption and adsorption conditions at pH 10, a very high percent removal was obtained, precisely 99.7%.Based on adsorption kinetics, MB adsorption adopted a pseudo-second-order model (PSO) with an adsorption rate constant (k2) was 0.0276 g/mg.min.According to isotherm investigations, Freundlich isotherm model dependent adsorption (adjusted-R 2 =0.928), with Kf = 66.386 mg/g.

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 enseignants0,006
Score d'incertitude au seuil0,011

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 Opus0,016
Tête enseignante GPT0,282
Écart entre enseignants0,266 · 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

Citations8
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueInternational Journal of Design & Nature and Ecodynamics→Même sujetWater Quality Monitoring and Analysis→Travaux en français237 207→