MétaCan
Menu
Retour à la cohorte
Enregistrement W4413377950 · doi:10.3390/ma18163821

Milkweed Fiber Nonwovens for Sustainable Thermal and Acoustic Building Insulation

2025· article· en· W4413377950 sur OpenAlexafffundabout
Deborah Lupescu, Mathieu Robert, Saïd Elkoun

Notice bibliographique

RevueMaterials · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueTextile materials and evaluations
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesMitacs
Mots-clésMaterials scienceComposite materialFiberThermal conductivityPolyethylene terephthalatePolyolefinThermal insulationGlass woolPolylactic acidPolyethyleneThermal resistanceThermalSoundproofingPolymer

Résumé

récupéré en direct d'OpenAlex

This study investigates the use of a local fiber, specifically milkweed that grows in Quebec, Canada, for nonwoven building applications. Milkweed is a natural fiber with an ultra-lightweight hollow structure that provides excellent acoustic and thermal insulation properties. To provide three-dimensional stability to nonwovens, milkweed fibers were blended with a low-melt fiber composed of a polyethylene terephthalate core and a polyolefin sheath (LM 2.2), and polylactic acid (PLA) fibers. Several nonwovens with different fiber contents were manufactured using an air-laid Spike process. The nonwovens were compared with a commercially available thermal insulation material made of 100% hemp. The thermal conductivity and thermal resistance were measured at different temperatures. The sound absorption coefficient of the nonwovens was determined both using an impedance tube and the Johnson-Champoux-Allard (JCA) acoustic model. The results showed that all nonwovens exhibit thermal conductivity values below 70 mW/m·K at temperatures ranging from -4 °C to 24 °C, which are lower than many materials commonly used in building applications. A sample presented a thermal resistance that is 8%, 10%, and 45% higher than those of rock wool, polyisocyanurate (PIR), and fiberglass, respectively.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,015
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0020,000

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 Opus0,014
Tête enseignante GPT0,289
Écart entre enseignants0,274 · 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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetTextile materials and evaluationsTravaux en français237 207