MétaCan
Menu
Retour à la cohorte
Enregistrement W4400002881 · doi:10.18280/ijdne.190334

Characterizing the Chemical Composition of Eco-Enzymes Derived from Vegetable and Fruit Sources

2024· article· en· W4400002881 sur OpenAlexvenueno aff
Agus Yadi Ismail, Mai Fernando Nainggolan, Asti Permata Nauli

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChemical compositionComposition (language)Food scienceMathematicsBiologyBiotechnologyChemistryOrganic chemistryArt

Résumé

récupéré en direct d'OpenAlex

Various raw materials used to produce eco-enzymes produce diverse chemical compounds.Eco-enzyme comes from the fermentation process of organic waste, such as vegetables and fruit.The aim of this research is to characterize the organic compounds contained in eco-enzymes originating from various raw materials.The research phase involves the extraction of environmentally friendly eco-enzymes from different raw materials and identification of the chemical compounds in them Data analysis of ecoenzyme extraction results was carried out using High-Performance Liquid Chromatography (HPLC) to ensure the levels of organic chemical compounds produced.His findings revealed eight organic compounds categorized as organic acids (acetic acid, citric acid, lactic acid, oxalic acid) and organic sugars (glucose, sucrose, fructose, ethanol) originating from organic waste from vegetables and fruit.The results of data analysis show that eco-enzyme production is related to the levels of organic chemical compounds produced and the chromatogram results.In organic vegetable waste, the organic compound oxalic acid had a retention time of 7.292 minutes with a content of 0.08%, acetic acid 12.033 minutes with a content of 5.20%, lactic acid 12.867 minutes with a content of 3.62%, and acid citrate 16,100 minutes with a content of 0.10%.Meanwhile, in fruit, the organic compound oxalic acid was identified at a retention time of 7.192 minutes with a content of 0.13%, lactic acid 12.150 minutes with a content of 4.44%, acetic acid 13.092 minutes with a content of 1.81%, and citric acid 16.517% with a content of 0.08%.The highest content in organic vegetable waste is acetic acid, 5.20%.The highest organic compound in fruit waste is lactic acid, 4.44%.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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'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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetBiofuel production and bioconversionTravaux en français237 207