MétaCan
Menu
Retour à la cohorte
Enregistrement W4409314655 · doi:10.18280/ijdne.200306

Preparation of Chitosan-Glycidyl Methacrylate Grafted Rice Straw Cellulose (Chi/GMAgCell) Composite Film for Cadmium Ions Removal from Water

2025· article· en· W4409314655 sur OpenAlexvenueno aff
⁠Rahmi ⁠Rahmi, Melsi Agustia Zulasma, Lelifajri, Andriy Anta Kacaribu

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Syiah Kuala
Mots-clésGlycidyl methacrylateChitosanCelluloseRice strawStrawComposite numberMaterials scienceMethacrylateCadmiumPulp and paper industryPolymer chemistryChemical engineeringNuclear chemistryComposite materialChemistryMetallurgyEngineeringPolymerInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

This research aims to develop an efficient adsorption material based on chitosan-glycidyl methacrylate grafted cellulose (Chi/GMAgCell) composite film as an adsorbent for the removal of Cd 2+ ions from water.Cellulose was isolated from rice straw and grafted with glycidyl methacrylate to produce glycidyl methacrylate-grafted cellulose (GMAgCell).The GMAgCell was incorporated into a chitosan film (Chi-film) as a filler to form the Chi/GMAgCell composite film.To create Chi/GMAgCell composite films with high tensile strength and adsorption capacity (Qe) for Cd ions, various chitosan-to-GMAgCell ratios were tested.These films were then evaluated using FTIR, XRD, SEM, TGA, and tensile strength analysis.The findings indicate that GMAgCell loading enhances the adsorption capacity (Qe) for Cd ions, reaching 16.9 mg/g.Its adsorption equilibrium is achieved after 10 minutes.It also conforms to the pseudo-second-order (PSO) kinetic model, with R 2 =0.9979.This process enhances the mechanical properties and thermal stability of the Chi-film composite while creating an affordable adsorbent material from agricultural waste.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,459
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,279
Écart entre enseignants0,271 · 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 tête enseignante, 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetExtraction and Separation ProcessesTravaux en français237 207