MétaCan
Menu
Retour à la cohorte
Enregistrement W7097373236

PHYSICAL TECHNIQUES FOR DETERMINING THE RESISTANCE TO HEAT TRANSFER PROVIDED BY CLOTHING

2014· article· en· W7097373236 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueTextile materials and evaluations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClothingThermal resistanceHeat transferFlow resistanceThermal manikinThermal insulationHeat exchangerHeat flowDiffusion
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

It is necessary to quantify the thermal insulation and evaporative resistance properties of clothing systems so that the heat exchange between the body and the environment can be determined and a person's performance in that environment can be predicted using biophysical models. This paper reviews the physical methods for directly measuring resistance data on fabrics and clothing ensembles and discusses problems associated with different techniques. In addition, methods for estimating the resistance values for clothing from different fabric and clothing properties will be mentioned. FABRICS The resistance to dry heat transfer (i.e., insulation) can be measured using the rate of cooling method, the constant temperature method (e.g., guarded hot plate), and heat flow meter. Flat plate instruments or cylinders have been used, with each type having advantages and disadvantages over the other. Fabric insulation can be estimated from thickness, so the compressometer, micrometer, and pendulum methods will be discussed. The evaporative resistance of fabrics can be measured using a sweating hot plate device or cylinder. A liquid barrier of known resistance is needed to keep the fabric dry during the test. Measurements can be made with and without a temperature gradient between the hot body and the environment. Other methods for measuring the diffusion of water vapor through a fabric include the ASTM control dish method and the Canadian DND apparatus. [1-10]

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 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 enseignants0,110
Score d'incertitude au seuil0,240

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)0,0000,000

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 Opus0,021
Tête enseignante GPT0,299
Écart entre enseignants0,278 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTextile materials and evaluationsTravaux en français237 207