MétaCan
Menu
Retour à la cohorte
Enregistrement W4387116460 · doi:10.1016/j.jpowsour.2023.233637

Interlaboratory study assessing the analysis of supercapacitor electrochemistry data

2023· article· en· W4387116460 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, Dongxun Lyu, 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

RevueJournal of Power Sources · 2023
Typearticle
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-clésSupercapacitorComputer scienceData scienceField (mathematics)Usage dataRisk analysis (engineering)BusinessElectrochemistryWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Supercapacitors are fast-charging energy storage devices of great importance for developing robust and climate-friendly energy infrastructures for the future. Research in this field has seen rapid growth in recent years, therefore 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 investigating 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 major 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 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)0,128
score de la tête « metaresearch » (Gemma)0,214
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,872
Score d'incertitude au seuil0,679

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1280,214
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,004
Communication savante0,0040,001
Science ouverte0,0020,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,037
Tête enseignante GPT0,324
Écart entre enseignants0,288 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations59
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Power SourcesMême sujetSupercapacitor Materials and FabricationTravaux en français237 207