MétaCan
Menu
Retour à la cohorte
Enregistrement W4407996584 · doi:10.1061/9780784486009.003

Using Biopolymers for Beach Erosion Mitigation

2025· article· en· W4407996584 sur OpenAlexaboutno aff
Seyed Morteza Zeinali, Sherif L. Abdelaziz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésErosionCoastal erosionGeologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

This study aims to investigate the long-term performance of soils amended with Xanthan Gum. Coastal erosion ensues from both human activities and natural environmental dynamics, including waves, currents, and wind. These alterations disrupt the equilibrium in coastal processes. Numerous methods have been adopted to mitigate coastal erosion, such as protection structures, beach nourishment, and vegetation. Since these methods potentially alter the natural coastal ecosystem, more eco-friendly methods, such as stabilization by microbial-induced carbonate precipitation (MICP) or biopolymers, have been explored in recent years to stabilize the coasts against wind and wave erosion. Among biopolymers, Xanthan Gum (XG) proved to have a high potential for decreasing soil erosion. Nevertheless, the alteration of XG efficiency in soil improvement over time still needs more investigation. For this purpose, unconfined compression strength (UCS) of biopolymer-enhanced soil samples is measured at 1, 3, 7, 14, 21, and 28 days after sample preparation. Also, this study considers two XG concentrations of 1% and 2% to provide a better understanding of XG performance. Sample preparation starts by mixing soil samples collected from bluffs on the coastal area of Lake Ontario with polymerized XG. The mixture is then compacted at its optimum water content to achieve the maximum dry density. The compacted samples are then wrapped and kept in a humidity- and temperature-controlled chamber until tested. The results demonstrated that the UCS for samples containing 2% XG increases over time, while the UCS for samples with 1% XG remains unchanged.

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 seuil0,003

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 recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,254
Écart entre enseignants0,239 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicroplastics and Plastic PollutionTravaux en français237 207