MétaCan
Menu
Retour à la cohorte
Enregistrement W8345510 · doi:10.1099/00222615-39-2-147

Future Needs for Tribo-Corrosion Research and Testing

2013· book-chapter· en· W8345510 sur OpenAlexaff
Peter J. Blau, M.M. Stack, R.J.K. Wood, Stefano Mischler, Jiaren Jiang, Dirk Drees, L.A. Rocha, Marcus Wimmer, Jean‐Pierre Célis, Rick Cowan

Notice bibliographique

RevueASTM International eBooks · 2013
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueOrthopaedic implants and arthroplasty
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésStandardizationCorrosionEngineering ethicsEngineeringAtlantaField (mathematics)Forensic engineeringEngineering managementConstruction engineeringComputer scienceMaterials scienceMetallurgyMedicine

Résumé

récupéré en direct d'OpenAlex

Tribo-corrosion is an emerging interdisciplinary subject that spans from basic research on the behavior of surfaces in mechanical contact in chemically active surroundings to the test methods needed to quantify its effects, and from the selection of materials for bio-implants to the minimization of surface degradation and wastage in advanced energy conversion systems. Such a diverse field brings with it many challenges in understanding, testing, standardization, and application to engineering practice. This paper summarizes a panel discussion and participant survey held at the Third International Symposium on Tribo-Corrosion in Atlanta, Georgia, USA, in April 2012. It reflects a sense of agreement on many of the key scientific challenges in the field and the fact that tribo-corrosion is still in its infancy in terms of broad industry recognition, education, and the ability of those who conduct tribo-corrosion research to connect their laboratory results and theories to applications. Some sub-fields, notably the bio-tribo-corrosion of medical implants, have witnessed active international research efforts, but the engineering community in many other important areas of technology may not yet be aware of the field despite numerous tribo-corrosion problems that may exist within their purview.

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)0,007
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0030,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0600,029

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 Opus0,081
Tête enseignante GPT0,330
Écart entre enseignants0,249 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASTM International eBooksMême sujetOrthopaedic implants and arthroplastyTravaux en français237 207