MétaCan
Menu
Retour à la cohorte
Enregistrement W4378387936 · doi:10.26434/chemrxiv-2023-fjllf

Interlaboratory Study Assessing the Analysis of Supercapacitor Electrochemistry Data

2023· preprint· en· W4378387936 sur OpenAlexaff
Jamie W. Gittins, Yuan Chen, Stefanie Arnold, Veronica Augustyn, Andrea Balducci, Thierry Brousse, Elżbieta Frąckowiak, Pedro Gómez‐Romero, Archana Kanwade, Lukas Köps, Plawan Kumar Jha, Michele Meo, Deepak Pandey, Le Pang, Volker Presser, Mario Rapisarda, Daniel Rueda-García, Saeed Saeed, Parasharam M. Shirage, Adam Ślesiński, Francesca Soavi, Jayan Thomas, Maria‐Magdalena Titirici, Hongxia Wang, Zhen Xu, Aiping Yu, Maiwen Zhang, Alexander C. Forse

Notice bibliographique

RevueChemRxiv · 2023
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueSupercapacitor Materials and Fabrication
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesEngineering and Physical Sciences Research CouncilMinistero dell'Università e della RicercaUK Research and Innovation
Mots-clésSupercapacitorData scienceComputer scienceField (mathematics)Risk analysis (engineering)BusinessElectrochemistry

Résumé

récupéré en direct d'OpenAlex

Supercapacitors are fast-charging energy storage devices of great importance for the development of robust and climate-friendly energy infrastructures for the future. Research in this field has seen rapid growth in recent years, hence consistent reporting practices must be implemented to enable reliable comparison of device performance. Although several studies have highlighted the best practices for analysing and reporting data from such energy storage devices, there is yet to be an empirical study that investigates whether researchers in the field are correctly implementing these recommendations, and which assesses the variation in reporting between different laboratories. Here, we address this deficit by carrying out the first interlaboratory study of the analysis of supercapacitor electrochemistry data. We find that the use of incorrect formulae and researchers having different interpretations of key terminologies are the primary causes of variability in data reporting. Furthermore, we highlight the more significant variation in reported results for electrochemical profiles showing non-ideal capacitive behaviour. From the insights gained through this study, we make additional recommendations to the community to help ensure consistent reporting of performance metrics moving forward.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,047
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0030,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,085
Tête enseignante GPT0,343
Écart entre enseignants0,259 · 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 tête enseignante, 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetSupercapacitor Materials and FabricationTravaux en français237 207