MétaCan
Menu
Retour à la cohorte
Enregistrement W4387743261 · doi:10.1039/bk9781837670215-00029

Nanomaterials: A Double-edged Sword as Pollution Busters or Pollutants?

2023· book-chapter· en· W4387743261 sur OpenAlexaff
Mohammad Hossein Karimi Darvanjooghi, Shiva Akhtarian, Gurpreet Kaur, Zeinab Ganji, Sara Magdouli, Satinder Kaur Brar, Rama Pulicharla

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPollutantPhotocatalysisSWORDHuman healthAdsorptionNanomaterialsPollutionNanotechnologyEnvironmental pollutionEnvironmental scienceWaste managementBiochemical engineeringEnvironmental chemistryMaterials scienceChemistryComputer scienceEngineeringEnvironmental protectionEcologyEnvironmental healthMedicineBiology

Résumé

récupéré en direct d'OpenAlex

The implementation of novel technologies such as nanotechnology in combination with other approaches has been explored and investigated by researchers towards the elimination of pollutants from the environment. Therefore, their utilization in different methods of adsorption, detoxification and degradation has been widely studied and the outcomes have been exploited for scaling up to pilot and industrial levels in some countries. However, their direct and long-lasting influence on human beings and animals is another issue which needs to be better investigated. In this chapter, we discuss the implementation of different types of nanoparticles for the treatment of heavy metal, organic, and inorganic pollutants by using adsorption, disinfection, photocatalysis and membrane techniques. Finally, their abundance and side effects in the environment as well as human organs such as the respiratory system, cardiovascular system, brain, and ingestion system are thoroughly analyzed to highlight the need for precautions upon the utilization of nanomaterials in purification processes.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,006
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,009

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 Opus0,062
Tête enseignante GPT0,284
Écart entre enseignants0,223 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNanoparticles: synthesis and applicationsTravaux en français237 207