MétaCan
Menu
Retour à la cohorte
Enregistrement W4385877044 · doi:10.1007/s40725-023-00195-0

Recent Developments and Trends in Sustainable and Functional Wood Coatings

2023· article· en· W4385877044 sur OpenAlexafffund
Véronic Landry, Gabrielle Boivin, Diane Schorr, Marie Mottoul, Alex Mary, Liza Abid, Maylis Carrère, Bertrand Laratte

Notice bibliographique

RevueCurrent Forestry Reports · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer composites and self-healing
Établissements canadiensFPInnovationsUniversité LavalNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFPInnovations
Mots-clésCoatingRaw materialIsocyanateBiochemical engineeringNanotechnologyMaterials scienceEnvironmental scienceProcess engineeringPolyurethaneEngineeringChemistryOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

In the last decade, a transformation has occurred in the coating industry. While, in the past, the industry was primarily focused on reducing volatile organic compounds (VOC) and formaldehyde emissions, it is now circularity driving this industry. In this paper, we present several advances that have been made, as well as key trends in the wood coatings industry. Replacing petroleum-based chemicals in coating formulations is at the heart of current research. In recent years, various biosourced molecules from animal and plant sources have been the subject of many studies aiming to incorporate them in coatings. Despite all the progress made in the last few years, coating producers are still facing many challenges regarding the availability and quality of biobased raw materials and balancing performance versus cost. While most of the sustainable coating solutions discussed in this review focus on well-known and widely accepted coating chemistries and technologies (water-based and photopolymerizable polyurethanes (PUs), acrylics, and epoxies), we also present new technologies that are expected to gain significant importance in the next few years such as layer-by-layer (LBL), polyelectrolyte complexes, and isocyanate-free PU.

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 enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,031
Tête enseignante GPT0,281
Écart entre enseignants0,250 · 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

Citations32
Publié2023
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueCurrent Forestry ReportsMême sujetPolymer composites and self-healingTravaux en français237 207