MétaCan
Menu
Retour à la cohorte
Enregistrement W4409846773 · doi:10.71044/qsurjvol820256

Using A Cloud Chamber to Measure The Energy Of An Alpha Particle Source

2025· article· en· W4409846773 sur OpenAlexaff
Melanie Phillips, Cora Neave

Notice bibliographique

RevueQueen s Science Undergraduate Research Journal · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMeasure (data warehouse)Cloud chamberAlpha (finance)Cloud computingAlpha particleParticle (ecology)PhysicsNuclear physicsEnvironmental scienceComputer scienceStatisticsGeologyMathematicsOperating systemDatabase

Résumé

récupéré en direct d'OpenAlex

We studied the energy of alpha particles emitted during the decay of a 300 source using a cloud chamber. Tracks appearing in the chamber were recorded and measured using Kinovea video analysis software for 246 events over approximately 38 minutes. In the analysis, the source is modelled as an isotropic point source and full track lengths are calculated from the projections of the full 3-dimensional tracks into the XY plane in the cloud forming region. Applying a Gaussian fit to the data, the average track length was 1.68±0.04 cm. Using a stopping power of 1.1425MeV/cm and the same conversion factor used to determine the expected path length projection, the average value for the energy of the alpha particles was calculated to be 5.25±0.2MeV, which is within two standard errors of the accepted value of 5.49MeV.1 This shows cloud chambers can be an effective method of detecting alpha particles and accurately measuring energies.

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)0,011
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,335
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0020,002
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,112
Tête enseignante GPT0,393
Écart entre enseignants0,280 · 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.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQueen s Science Undergraduate Research JournalMême sujetAir Quality Monitoring and ForecastingTravaux en français237 207