MétaCan
Menu
Retour à la cohorte
Enregistrement W4383981976 · doi:10.1063/5.0154551

Introducing a graphical user interface for dynamic contact angle determination

2023· article· en· W4383981976 sur OpenAlexafffund
Michael J. Wood, Damon G. K. Aboud, Gianluca Zeppetelli, Mohammad Bagher Asadi, Anne‐Marie Kietzig

Notice bibliographique

RevuePhysics of Fluids · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGoniometerContact angleGraphical user interfaceProcess (computing)RepeatabilityInterface (matter)Graphical displayPhysicsComputer scienceComputer graphics (images)OpticsSessile drop techniqueStatistics

Résumé

récupéré en direct d'OpenAlex

Contact angle goniometry is an important characterization technique that can determine crucial information, such as the wettability, interfacial tension, and adhesion properties of solid and liquid surfaces alike. However, while this technique is already widespread, the by-hand analysis process of elucidating the advancing and receding contact angles (ARCAs) from the actual data set has many pitfalls and is fraught with human error. In this article, we introduce a graphical user interface (GUI) called ARCA Finder that drastically simplifies the analysis process by displaying the contact angle data in a novel perspective and aiding the user to determine the most accurate measurement from the available data based on the full definition of the dynamic contact angles. The goal of this invention is to improve measurement accuracy by reducing human error in goniometry, while also improving the repeatability of measurements among different researchers. By testing this approach alongside by-hand analysis on both synthetic and real dynamic contact angle videos, our results demonstrate a noticeable difference in the measured values, which suggests that the ARCA Finder GUI improves the measurement accuracy compared to the standard approach.

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)0,000
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 enseignants0,111
Score d'incertitude au seuil0,343

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

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 Opus0,022
Tête enseignante GPT0,297
Écart entre enseignants0,275 · 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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207