MétaCan
Menu
Retour à la cohorte
Enregistrement W4390275265 · doi:10.29169/1927-5129.2023.19.16

Choice of Remediation Technology for a Contaminated Soil by 1,2-Dichloroethane (DCA)

2023· article· en· W4390275265 sur OpenAlexvenueno aff
García Villanueva Luis Antonio, González Herrera Carlos Raúl, Isidro Guadalupe Ana Lucero

Notice bibliographique

RevueJournal of Basic & Applied Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental remediationEnvironmental scienceContaminationSoil contaminationSoil vapor extractionHazardous waste1,2-DichloroethaneSoil remediationRemedial actionWaste managementSoil waterContaminated landEnvironmental engineeringEngineeringChemistrySoil science

Résumé

récupéré en direct d'OpenAlex

In Mexico, there are 635 sites contaminated by hazardous waste, due to the fact that a few years ago there was no legislation to support and guarantee environmental protection. This led to decades of contamination of soils and bodies of water. In the following case study, landfills were identified where 1,2-dichloroethane was stored, generating contaminated soil in this location, even affecting subway water bodies. The aim of this work is to identify the technologies for the remediation of contaminated soils, taking into account the affected site, the characteristics of the residue, costs and time, in order to determine the most effective and ideal technology. The Federal Remediation Technologies Roundtable (FRTR) will be considered as the counterpart for the selection of treatment technologies, published by the Remediation Bureau. The best technology for site remediation is "Soil Vapor Extraction", being the most ideal and efficient in terms of time and cost, and generating a high impact remediation outcome. The counterpart (FRTR) is considered to be a support tool that provides the most appropriate technologies for the remediation of a contaminated site.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,034
Tête enseignante GPT0,339
Écart entre enseignants0,305 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Basic & Applied SciencesMême sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207