MétaCan
Menu
Retour à la cohorte
Enregistrement W4400585512 · doi:10.22437/jop.v9i2.29661

SINTESIS DAN KARAKTERISASI NANOKOMPOSIT Fe3O4/TiO2 BERBASIS PASIR BESI SUNGAI BATANGHARI

2024· article· id· W4400585512 sur OpenAlexaff
Crismeli Crismeli, Nurhidayah Nurhidayah, Tika Restianingsih, Rista Mutia Anggraini, Frastica Deswardani

Notice bibliographique

RevueJOURNAL ONLINE OF PHYSICS · 2024
Typearticle
Langueid
DomaineEngineering
ThématiqueEngineering and Technology Innovations
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstrak Telah dilakukan penelitian Fe3O4/TiO2 dengan menggunakan variasi perbandingan massa. Nanopartikel Fe3O4 dengan menggunakan metode kopresipitasi dan disintesis dengan TiO2 menggunakan metode solid state reaction. Tujuan dilakukannya penelitian ini mengetahui pengaruh perbandingan massa terhadap pengujian yang dilakukan. Variasi perbandingan massa yang digunakan yaitu 3:1, 2:1, 1:1, 1:2 dan 1:3. Karakterisasi yang dilakukan, adalah X-Ray Diffraction (XRD), Spektrofotometer UV-Vis dan Scanning Electron Microscopy (SEM). Dari hasil XRD diperoleh bahwa penambahan TiO2 tidak menunjukkan perubahan yang signifikan terhadap ukuran kristal dan cenderung didominasi oleh fasa TiO2. Hasil Spektrofotometer UV-Vis nilai energi gap Fe3O4 murni, TiO2 murni dan perbandingan massa 1:1 berturut-turut sebesar 3,67 eV, 3,36 eV dan 3,50 eV. Dapat ditarik kesimpulan bahwa Fe3O4 didoping dengan TiO2 akan diperoleh nilai energi gap Fe3O4/ TiO2 berada diantara energi gap Fe3O4 dengan TiO2. Hasil SEM diperoleh morfologi berbentuk bulat dengan persebaran partikel tidak merata sehingga terjadi aglomerasi. Selain itu, diperoleh ukuran partikel Fe3O4, TiO2 dan perbandingan massa 1:1 dengan ukuran rata-rata partikel berturut-turut sebesar 148,006 nm, 184,72 nm dan 181,79 nm.

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 enseignants0,006
Score d'incertitude au seuil0,021

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,245
Écart entre enseignants0,234 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJOURNAL ONLINE OF PHYSICSMême sujetEngineering and Technology InnovationsTravaux en français237 207