MétaCan
Menu
Retour à la cohorte
Enregistrement W4414314191 · doi:10.1515/pac-2025-0553

Metrics for green syntheses

2025· article· en· W4414314191 sur OpenAlexaff
Marco Eissen, Giacomo Trapasso, James H. Clark, Fabio Aricò, John Andraos, Pietro Tundo

Notice bibliographique

RevuePure and Applied Chemistry · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChemistry and Chemical Engineering
Établissements canadiensCARE Canada
Organismes subventionnairesMinistero dell’Istruzione, dell’Università e della Ricerca
Mots-clésTerminologyWork (physics)Resource (disambiguation)Green chemistryScientific literatureChemical nomenclature

Résumé

récupéré en direct d'OpenAlex

Abstract Despite being introduced approximately 30 years ago, green metrics are still not widely implemented in the practice of Green Chemistry. Nowadays, there is a general desire and fashion for Green Chemistry considering the modern global concerns of climate change and resource scarcity. However, the scientific literature reveals a confusing array of definitions and methodologies related to green metrics, particularly in both organic and inorganic chemistry. In this review we want to focus on organic synthesis, namely new reaction pathways that employ organic and inorganic catalysts, grounded in fundamental chemistry. The application of rigorous green metrics must go along with the experimental validation of synthetic procedures. This is essential to establish clear guidelines for defining truly green synthetic approaches, and to prevent misunderstandings or overreaching claims that are based on subjective rather than objective assessments. This work originated from an IUPAC project aimed at providing standardized guidance for the use of green metrics. Accordingly, we present a list of green metrics and related terminology currently employed to assess material usage, energy efficiency, and environmental impact in individual reactions and synthetic strategies.

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)0,023
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,056
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0130,010
Études des sciences et des technologies0,0030,009
Communication savante0,0120,012
Science ouverte0,0030,009
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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 Opus0,005
Tête enseignante GPT0,190
Écart entre enseignants0,185 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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 revuePure and Applied ChemistryMême sujetChemistry and Chemical EngineeringTravaux en français237 207