MétaCan
Menu
Retour à la cohorte
Enregistrement W4408410327 · doi:10.18280/ijdne.200203

Preparation and Performance of a Modified Iraqi Red Kaolin Clay-Based Sorbent for Methylene Blue Removal in Acidic and Basic Solutions

2025· article· en· W4408410327 sur OpenAlexvenueno aff
Batool Majid Saeed, Mohammed B. Abdul-Kareem

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSorbentMethylene blueChemistryNuclear chemistryChemical engineeringChromatographyOrganic chemistryEngineeringAdsorption

Résumé

récupéré en direct d'OpenAlex

In recent years, the removal of dyes from wastewater via adsorption has attracted significant interest, particularly in the development of high-performance and low-cost sorbents that function effectively in both acidic and basic solutions.The goal of the present study was to synthesize a high-performance sorbent by modifying Iraqi red kaolin clay (IRK) with cetyltrimethylammonium bromide (CTAB), exchanging the interlayer of the clay to produce a hydrophobic material (CTAB-IRK) for the elimination of methylene blue (MB).Additionally, the adsorption of MB dye by CTAB-IRK was studied, focusing on the impact of agitation time, sorbent dosage, initial MB concentration, shaker speed, and pH on the adsorption mechanism.M MB removal efficiency remained stable (87.8-98.7%)over a pH range of 2 to 10.The surface modification with CTAB enhanced the hydrophobicity and adsorption capacity of IRK, facilitating MB removal.The optimum removal efficiency (100%) was achieved with an agitation time of 120 min, a dosage of 0.05 g/100 mL, pH 7, a shaker speed of 200 rpm, and an MB concentration of 50 mg/L.The Freundlich isotherm model (R² =0.926) accurately represented the isotherm data with maximum adsorption capacity of 833.33 mg/g, while the pseudo-second-order model was more applicable with kinetic data.

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 savante0,0000,000
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 Opus0,019
Tête enseignante GPT0,289
Écart entre enseignants0,269 · 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 revueInternational Journal of Design & Nature and EcodynamicsMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207